KR20100016272A - Image compression and decompression using the pixon method - Google Patents

Abstract

A method is provided for decompressing an image originally compressed using a known compression technique. An original compressed image file is defined by a plurality of locations that correspond to image data. A set of smooth test images is created by iteratively applying a plurality of different size PIXON®kernels to each location of a starting image beginning with a smallest size kernel. Each smooth test image is compressed using the known compression technique, then compared against the original compressed image at each location of the image to determine a goodness-of-fit of the compressed smooth test image to each location of the original compressed image file. For each location, the smooth test image that has the largest size kernel that passes a pre-determined goodness-of-fit criterion is selected for a given location of the decompressed image. A compression method utilizes the PIXON®method for optimization of knot points within an image. The optimized knot points are used to interpolate image intensity between the knot points.

Description

ＰＩＸＯＮ 방법을 사용한 이미지 압축 및 압축 해제{IMAGE COMPRESSION AND DECOMPRESSION USING THE PIXON METHOD}Image Compression and Decompression Using PIPON Method {IMAGE COMPRESSION AND DECOMPRESSION USING THE PIXON METHOD}

관련 출원Related Applications

본 출원은 2007년 4월 25일에 출원된 미국 가출원 제60/914,030호의 우선권을 주장하고, 참조로서 전체적으로 본원에 병합된다.This application claims the priority of US Provisional Application No. 60 / 914,030, filed April 25, 2007, which is incorporated herein by reference in its entirety.

수많은 군용, 통신 및 보안 적용에 있어서, 이미지 데이터가 전송되는 무선 대역폭 요건 및 네트워크에 기반한 시스템을 감소시키기 위해서 이미지 데이터가 압축되는 것이 바람직하다. 또한, 이러한 이미지들에 연관된 데이터 양을 감소시킴으로써, 요구된 저장 공간 양은 최소화될 수 있고, 길이가 긴 이미지 시퀀스들(sequence)도 단일 디스크에 저장되도록 한다.In many military, communications, and security applications, it is desirable for image data to be compressed to reduce the wireless bandwidth requirements and network-based systems over which image data is transmitted. In addition, by reducing the amount of data associated with these images, the amount of storage space required can be minimized, allowing long length image sequences to be stored on a single disk.

가장 널리 사용된 이미지-압축 방법들은 블럭(block)을 기반한 기술인 JPEG, MJPEG, MPEG, 및 H.264이다. 이러한 방법들은 이산 코사인 변환(discrete cosine transform, DCT)을 사용하여 원본 이미지를 변환시킨 후, 변환 계수들을 양자화시킴으로써 동작된다. 상기 DCT는 이미지를, 이미지의 시각적 품질에 대한 서로 다른 중요성의 부분들(또는 스펙트럼 서브-밴드들(sub-bands))로 분리시키고, 공간적 도메인에서 주파수 도메인으로 이미지를 변환시킨다. 이러한 이미지들을 압축 해 제하기 위해서, 대부분 상업적으로 시판가능한 하드웨어 및 소프트웨어 실행은 역 DCT를 사용한다. 큰 양의 압축을 이루기 위해서, 블럭 변환 코딩은 일반적으로 손실이 많고, 이미지 정보가 압축 동안 영구적으로 버려지게 된다는 것을 의미하기 때문에, 원본 이미지는 압축 버전(compressed version)으로부터 완전하게 복원될 수 없다. 압축 및 압축 해제의 처리에 있어서, 변환에 연관된 서브-이미지 블럭들의 8x8 매트릭스들은 종종 이미지 블럭 인공물들(artifacts)을 생성하고, 하나의 블럭에서 또 다른 블럭으로의 별개의 변화로 인해, 인코딩 블럭들(encoding blocks)의 아웃라인들(outlines)은 이미지 상에 중첩된다. 압축 양이 낮을 시에, 정보의 손실은 적고 거의 없다. 그러나, 압축 레벨이 높을 시에는 정보 손실은 증가하게 나타나고 인코딩의 블럭 성질에 대해, 그리고 DCT 계수의 양자화에 대해 시각적인 인공물들의 발생에 연관된다. JPEG는 밝기보다 색상에서 상세함이 덜 인식되는 인간 시야의 특정 형태를 활용하기 위해 시도되어, 광휘를 위해 사용되는 것보다 더 큰 블럭들에서 색채를 인코딩한다. 이 기술은 높은 압축에서 추가적인 인공물들을 구현한다. 서브-블럭(및 각 마크로블럭(macroblock))은 무관하게 처리되고, 이웃 블럭들을 연결하는 이미지 데이터의 중요한 부분은 종종 손실되고, 여분의 에지들(edges) 및 불연속들은 블럭 경계벽들에서 나타난다.The most widely used image-compression methods are block-based techniques, JPEG, MJPEG, MPEG, and H.264. These methods work by transforming the original image using a discrete cosine transform (DCT) and then quantizing the transform coefficients. The DCT separates the image into parts of different importance (or spectral sub-bands) for the visual quality of the image and transforms the image from the spatial domain to the frequency domain. To decompress these images, most commercially available hardware and software implementations use reverse DCT. In order to achieve a large amount of compression, block transform coding is generally lossy, meaning that image information is discarded permanently during compression, so the original image cannot be completely recovered from the compressed version. In the processing of compression and decompression, 8x8 matrices of sub-image blocks involved in the transformation often produce image block artifacts and, due to the distinct change from one block to another, encoding blocks Outlines of the encoding blocks are superimposed on the image. When the amount of compression is low, there is little and little loss of information. However, when the compression level is high, information loss appears to increase and is associated with the generation of visual artifacts on the block nature of the encoding and on the quantization of the DCT coefficients. JPEG attempts to exploit certain forms of the human field of view where less detail is perceived in color than brightness, encoding the color in blocks larger than those used for brilliance. This technique implements additional artifacts at high compression. The sub-blocks (and each macroblock) are processed irrespective, an important part of the image data connecting neighboring blocks is often lost, and extra edges and discontinuities appear at the block boundary walls.

블럭 인공물들뿐만 아니라, 블럭의 내용들이 정확하게 재생될 수 없도록 정보가 손실되는데, 이는 변환 데이터가 양자화되었기 때문이다. 이러한 "모스퀴토 인공물들(mosquito artifacts)", 또는 "링잉(ringing)"은 객체들 주위에서 아우라(aura) 또는 할로(halo)로서 나타난다.In addition to block artifacts, information is lost such that the contents of the block cannot be reproduced correctly because the transform data is quantized. Such “mosquito artifacts”, or “ringings” appear as auras or halo around the objects.

수많은 적용 필터링 방법은 블럭 인공물들 및 링잉의 감소를 위해 발전되어 왔다. 상기와 같은 방법들의 몇몇 일례들은 유(Yu)의 미국 특허 제6,636,645호; 레딘(Le Dinh)의 미국 특허 제7,076,113호, 및 앤더슨(Andersson)의 미국 특허 제7,136,536호에서 제공된다. 이러한 필터링 방법들이 인공물들을 감소시키기 위해 성공적으로 이루어진 반면에, 몇몇 경우에서, 추가적인 형태들(인공물들)은 추가될 수 있거나 데이터가 손실된다.Numerous applied filtering methods have been developed for the reduction of block artifacts and ringing. Some examples of such methods are described in Yu, US Pat. No. 6,636,645; US Patent No. 7,076,113 to Le Dinh, and US Patent No. 7,136,536 to Anderson. While these filtering methods have been successfully made to reduce artifacts, in some cases additional forms (artifacts) can be added or data is lost.

참조로서 본원에서 병합되는 미국 특허 제5,912,993호 및 미국 특허 제6,895,125호에 개시된 PIXON^® 방법은 원래 이미지 복원을 위해 개발되어왔다. 상기와 같은 출원에서, PIXON^® 방법은 경쟁 방법들과 관련된 우월한 성능을 제공하고, 복원된 이미지에서 감소된 인공물들 및 증대된 공간 해상도(spatial resolution)를 제공한다. 이러한 이점들은 복원된 이미지를 위한 PIXON^® 방법의 최소 복잡성 모델에 대해 추적될 수 있다.The PIXON ^® method disclosed in US Pat. No. 5,912,993 and US Pat. No. 6,895,125, incorporated herein by reference, has been developed for original image reconstruction. In such applications, the PIXON ^® method provides superior performance associated with competing methods and provides reduced artifacts and increased spatial resolution in the reconstructed image. These benefits can be traced to the minimum complexity model of the PIXON ^® method for reconstructed images.

PIXON^® 이미지 복원 설계는, 공간적인 가변 크기 및 형상을 가진 PIXON^® 커널들을 지닌 슈더-이미지(pseudo-image)의 컨볼루션(convolution)으로서 복원된 이미지를 표현함으로써, 이미지 복원 설계의 최소 복잡성 모델을 구현한다. "최소 복잡성"은 콘텍스트 의존(context dependent)을 의미한다. 데이터(콘텍스트)에 대해 특정 질의들을 답변하기 위해 최소 복잡성 가설(모델)을 구현하려고 할 시, 최소 복잡성 가설(모델)은 이러한 질의들에 대한 답변에 관한 가장 적은 정보를 제공 한다. 이미지들의 경우에 있어서, 관심 있는 질의들: (a) 객체들의 형상들을 무엇인가; (b) 객체들의 어디에 위치하였는가, 및 (c) 플럭스 밀도(flux density)의 방출은 어떠한가 등이 전형적으로 있기 때문이다. 최소 복잡성 모델(가장 적은 정보 제공 가설)은 데이터와 일관되는 가장 스무스(smooth)한 이미지이다. 이 가장 스무스한 이미지는 객체의 형상, 그들의 정확한 위치에 관한 정보의 가장 적은 양을 제공하고, 플럭스 밀도는 가능한 한 퍼진다. 따라서, 이러한 질의들에 대한 것을 보증할 수 있고, 데이터는 해석될 수 없을 것이다. 또한, 상기와 같은 모델은 인공물 레벨이 최대로 감소되기 때문에, 자동적으로 복원 인공물들을 제거하고, 감도 및 해상도를 증가시킨다.The PIXON ^® image reconstruction design represents the least complex model of an image reconstruction design by representing the reconstructed image as a convolution of a pseudo-image with PIXON ^® kernels with spatially variable sizes and shapes. Implement "Minimal complexity" means context dependent. When trying to implement a minimum complexity hypothesis (model) to answer specific queries for data (context), the minimum complexity hypothesis (model) provides the least information about the answers to these queries. In the case of images, the queries of interest: (a) what are the shapes of the objects; (b) where are they located, and (c) what is the emission of flux density? The least complexity model (the least informative hypothesis) is the smoothest image consistent with the data. This smoothest image provides the least amount of information about the shape of the object, their exact location, and the flux density spreads as much as possible. Thus, one can guarantee for these queries and the data will not be interpreted. In addition, such models automatically remove reconstructed artifacts, increasing sensitivity and resolution, since the artifact level is reduced to the maximum.

PIXON^® 방법에 있어서, 슈더-이미지 및 PIXON^® 커널들은 픽셀 단위(pixel-by-pixel) 기반으로 변화하게 한다. 이는, 근접한 픽셀들이 강하게 서로 관련되게 함으로써, 극적으로 복원된 이미지의 정보 내용을 감소시키는 반면, 상기 방법은 이미지 압축의 반대 방향으로 진행하는데, 그 이유는 각 이미지마다, 각 픽셀의 슈터-이미지뿐만 아니라 다수의 PIXON^® 커널들의 선택을 규정해야하기 때문이다. 다른 말로 하면, 이미지를 직접 기입하는 것은 상기 이미지가 획득되는 방법을 기술한 것보다 더 간결하다. 그러므로, 이미지를 묘사하는 언어의 선택은 이미지 그 자체를 기입하는 것과 관련된 이미지 묘사를 간단하게 하기 위해서는 사용될 수 없다.In the PIXON ^® method, the shredder-image and PIXON ^® kernels make changes on a pixel-by-pixel basis. This allows the adjacent pixels to be strongly related to each other, dramatically reducing the information content of the reconstructed image, while the method proceeds in the opposite direction of image compression, because for each image, only the shooter-image of each pixel Rather, it must define the choice of multiple PIXON ^® kernels. In other words, writing an image directly is more concise than describing how the image is obtained. Therefore, the choice of language to describe the image cannot be used to simplify the image depiction associated with writing the image itself.

그럼에도 불구하고, 이미지 복원을 위한 그의 우월한 성능이 주어진다면, 이 미지 압축 및 압축 해제에서 사용되는 PIXON^® 방법을 적용하는 것이 바람직할 것이다. 본 발명은 상기와 같은 방법에 관한 것이다.Nevertheless, given its superior performance for image reconstruction, it would be desirable to apply the PIXON ^® method used in image compression and decompression. The present invention relates to such a method.

PIXON^® 방법의 최소 복잡성 이미지 모델은 이미지 압축 및 압축 해제 동작들에 적용된다. 데이터 압축 분야에 있어서, 일반적으로 강하지만 적당한 것에 비해 손실이 많은 압축과 손실이 없는 압축을 구별한다. PIXON^® 방법은 산업-표준형 압축 방법들, 예를 들면 JPEG, MJPEG(영화산업(motion picture industry)에서 사용된 Motion JPEG), MPEG 및 H.264(비디오용으로 둘 다 사용됨)로 압축된 이미지를 압축 해제하기 위해 사용될 수 있다. PIXON^® 방법은 거의 현대 이미지 모든 압축 접근법으로 나아갈 수도 있다.The minimal complexity image model of the PIXON ^® method is applied to image compression and decompression operations. In the field of data compression, it distinguishes lossless compression from lossy compression, which is generally strong but moderate. The PIXON ^® method accepts images compressed with industry-standard compression methods such as JPEG, MJPEG (Motion JPEG used in the motion picture industry), MPEG and H.264 (both used for video). Can be used to decompress. The PIXON ^® method can move on to almost any image compression approach.

본 발명의 제 1 양태에 있어서, 산업-표준형 압축 방법을 사용하여 압축된 입력 이미지 파일에 대한 압축 해제 방법은 압축된 이미지 파일을, 복수의 압축된 스무스 테스트 이미지 파일들(smooth test image files)의 각각에 비교하는 단계, 및 이미지 내의 각 위치마다 소정의 적합도(goodness-of-fit) 기준을 충족시키는 상기 스무스 테스트 이미지를 선택하는 단계를 반복적으로 포함한다. 스무스 테스트 이미지들은 복수의 PIXON^® 커널들의 각각을 원본 압축 해제 이미지 파일에 적용시킴으로써 발생된다. 그 후, 각각의 스무스 테스트 이미지 파일은 동일한 산업-표준형 압축 방법을 사용하여 재압축되고, 그리고 원본 압축 이미지에 세그먼트 단위(segment-by-segment)를 비교한다. 상기 이미지 내의 주어진 위치에 있어서, 압축될 시, 원본 압축 이미지 파일의 적합도 기준의 규정된 공차 내에 있는 가장 스무스한 스무스 테스트 이미지는 이미지의 위치에 대응하는 소기의 압축 해제 이미지로서 식별된다. 각 위치에 있어서, 규정된 공차를 충족할 수 있는 가장 큰 커널은 전면 스무스화(over-smoothing)로부터 손실된 정보를 피하기 위해 선택된다. 결과적인 압축 해제 이미지는 선택된 스무스 테스트 이미지로부터의 해당 픽셀들을 사용하여 위치 단위(location by location)로 모아지게 된다. 그 후, 압축 해제 이미지는 디스플레이 또는 저장 장치에 다운로드된다.In a first aspect of the invention, a decompression method for an input image file compressed using an industry-standard compression method comprises a method of compressing a compressed image file into a plurality of compressed smooth test image files. Comparing to each, and selecting the smooth test image that satisfies a predetermined goodness-of-fit criterion for each position in the image. Smooth test images are generated by applying each of a plurality of PIXON ^® kernels to the original uncompressed image file. Each smooth test image file is then recompressed using the same industry-standard compression method and compares the segment-by-segment to the original compressed image. For a given position in the image, when compressed, the smoothest smooth test image that is within the defined tolerances of the goodness of fit criteria of the original compressed image file is identified as the desired decompressed image corresponding to the position of the image. For each location, the largest kernel that can meet the defined tolerance is chosen to avoid information lost from over-smoothing. The resulting decompressed image is collected in locations by location using the corresponding pixels from the selected smooth test image. The decompressed image is then downloaded to the display or storage device.

본 발명의 또 다른 양태에 있어서, 방법은 공지된 압축 기술을 사용하여 원본으로(originally) 압축된 이미지를 압축 해제하기 위해 제공되고, 상기 방법은, 이미지 데이터에 대응하는 복수의 위치들을 가지는 원본 압축 이미지 파일을, PIXON^® 방법을 실행하기 위해 메모리 및 상기 메모리에 저장된 소프트웨어를 가지는 프로세서에 입력하는 단계; 복수의 서로 다른 크기 PIXON^® 커널들을, 상기 복수의 서로 다른 크기 PIXON^® 커널들 중 가장 작은 크기 커널로 시작되는 시작 이미지의 각 위치에 반복적으로 적용함으로써, 복수의 스무스 테스트 이미지들을 해 공간(solution space) 내에서 발생시키는 단계; 상기 공지된 압축 기술을 사용하여 각각의 스무스 테스트 이미지를 압축하고, 그리고 압축된 스무스 테스트 이미지의 적합도를 상기 원본 압축 이미지 파일의 각 위치에 대해 판별하는 단계; 각 위치마다, 소정의 적합도 기준을 통과한 가장 큰 크기 커널을 가지는 스무스 테스트 이미지를 선택하는 단계; 및 선택된 스무스 테스트 이미지를, 디스플레이 장치 상에 표시하는 최적화된 압축 해제 이미지로서 출력하는 단계를 포함한다.In another aspect of the present invention, a method is provided for decompressing an originally compressed image using known compression techniques, the method comprising: original compression having a plurality of positions corresponding to image data Inputting an image file into a processor having a memory and software stored in said memory to execute a PIXON ^® method; A plurality of different size PIXON ^® kernel, by repeatedly applied to each location of the starting image beginning with the smallest size kernel of the plurality of different size PIXON ^® kernel, by a plurality of smooth test image space (solution space Generating in); Compressing each smooth test image using the known compression technique, and determining a goodness of fit of the compressed smooth test image for each location of the original compressed image file; Selecting, at each position, a smooth test image having the largest size kernel that passed a predetermined goodness criterion; And outputting the selected smooth test image as an optimized decompressed image to display on the display device.

본 발명의 또 다른 양태에 있어서, PIXON^® 방법을 사용하여 이미지를 압축 해제하는 방법은, 이미지 데이터에 대응하는 복수의 위치들을 가지고 산업-표준형 압축 방법을 사용하여 원본으로 압축된 원본 압축 이미지 파일을, 이미지를 압축 해제하고 PIXON^® 방법을 실행하기 위해 메모리 및 상기 메모리에 저장된 소프트웨어를 가지는 프로세서에 입력하는 단계; 원본 압축 이미지 데이터 파일을 생성하기 위해, 해당 산업-표준형 압축 해제 방법을 사용하여 원본 압축 이미지를 압축 해제하는 단계; 제 1 후보(candidate) 이미지를 생성하기 위해 복수의 서로 다른 커널들로부터 선택된 가장 작은 커널을 사용하여 원본 압축 해제 이미지를 스무스하는 단계; 산업-표준형 압축 방법을 사용하여 상기 제 1 후보 이미지를 압축하는 단계; 상기 원본 압축 이미지 파일 내의 복수의 위치들 각각에서 소정의 공차 내에서 적합도를 판별하기 위해서, 압축된 제 1 후보 이미지를 상기 원본 압축 이미지 파일에 비교하는 단계; 상기 적합도가 상기 소정의 공차 내에 있는 각 위치에서 상기 제 1 후보 이미지를 수용하고, 모든 다른 위치들에서 원본 압축 해제 이미지를 남겨두는 단계; 상기 스무스하는 단계, 및 복수의 서로 다른 후보 이미지들을 생성하기 위해 상기 복수의 서로 다른 커널들 중 잔류한 커널마다 비교하는 단계를 반복하는 단계(각 반복 다음에, 해당 후보 이미지는 상기 적합도가 상기 소정의 공차 내에 있는 각 위치에서 수용되고, 모든 다른 위치들은 이전의 후보 이미지와 함께 남아있고, 그리고 결과적인 압축 해제 이미지는 최종 반복 이후에 있음); 상기 결과적인 압축 해제 이미지를 상기 메모리에 저장하는 단계; 및 상기 결과적인 압축 해제 이미지를, 컴퓨터 모니터, 그래픽 디스플레이 또는 프린터 등의 디스플레이 장치에 출력하는 단계를 포함한다.In another aspect of the present invention, a method of decompressing an image using the PIXON ^® method comprises a method of extracting an original compressed image file compressed with an original using an industry-standard compression method with a plurality of positions corresponding to the image data. Decompressing the image and inputting it into a processor having a memory and software stored in the memory to execute the PIXON ^® method; Decompressing the original compressed image using the industry-standard decompression method to generate the original compressed image data file; Smoothing the original decompressed image using the smallest kernel selected from a plurality of different kernels to produce a first candidate image; Compressing the first candidate image using an industry-standard compression method; Comparing the compressed first candidate image to the original compressed image file to determine a goodness of fit within a predetermined tolerance at each of a plurality of locations in the original compressed image file; Accepting the first candidate image at each position where the goodness of fit is within the predetermined tolerance, and leaving the original decompressed image at all other positions; Repeating the smoothing and comparing each remaining kernel among the plurality of different kernels to generate a plurality of different candidate images (after each iteration, the candidate image is determined by the goodness of fit of the predetermined value; Received at each position within the tolerance of, all other positions remain with the previous candidate image, and the resulting decompressed image is after the last iteration); Storing the resulting decompressed image in the memory; And outputting the resulting decompressed image to a display device, such as a computer monitor, graphic display or printer.

상술한 실시예에 있어서, 해 공간은 원본 산업-표준형 압축 해제 이미지를 스무스하게 함으로써 획득될 수 있는 후보 이미지들을 포함한다. 대안적인 실시예에 있어서, 큰 해 공간은 PIXON^® 커널들의 수집에 의해 스무스화된 슈더-이미지를 구성하는 일반적 PIXON^® 이미지 모델을 사용하여 생성된다. 이미지의 각 픽셀에서 사용되는 PIXON^® 커널들의 수집을 구성하는 PIXON^® 맵(map)은 GOF를 최소화시키는 슈더-이미지와 함께 이미지 내의 각 픽셀에서 가장 넓은 PIXON^® 커널들의 조합을 발견함으로써 발생된다. 대안적으로, 상기 슈더-이미지는 변해가는 증감 방법(conjugate gradient method)을 사용하면서, 고정된 PIXON^® 커널들을 유지하여 적합도를 최소화시키는 단계, 그 다음에 상기 슈더-이미지가 고정된 상태에서 PIXON^® 커널들의 폭을 최대화시키는 단계에 의해 최적화될 수 있다. 이 2 개의 절차는 슈더-이미지 및 PIXON^® 맵의 수렴을 이룰 때까지 반복된다. 단순형(simplex) 알고리즘과 같은 다른 다(multi)-차원 최적화 방법들은 기술분야에서 공지되고 사용될 수 있다.In the above embodiment, the solution space includes candidate images that can be obtained by smoothing the original industry-standard decompressed image. In an alternative embodiment, a large solution space is created using a generic PIXON ^® image model that constitutes a smoothed shred-image by collection of PIXON ^® kernels. The PIXON ^® map, which constitutes the collection of PIXON ^® kernels used at each pixel of the image, is generated by finding the combination of the widest PIXON ^® kernels at each pixel in the image with a shredder-image that minimizes GOF. Alternatively, the syudeo-image changing the sensitizing method (conjugate gradient method) to the step of minimizing the goodness of fit to maintain a fixed PIXON ^® kernel, then the syudeo to, using - the image is PIXON in fixed ^® It can be optimized by maximizing the width of the kernels. These two procedures are repeated until convergence of the shredder-image and the PIXON ^® map. Other multi-dimensional optimization methods, such as a simple algorithm, can be known and used in the art.

산업-표준형 압축 해제 이미지를 스무스화하는 것과 관련된 이 반복적인 절차의 한 이점은 스무스화 처리가 압축 데이터에 포함되지 않은 이미지 내용을 도입할 수 없다는 것이다; 이는 단지 구조물만을 제거한다. 데이터와 일관된 가장 간단한 모델을 생성하기 위해 추가적인 이미지 정보가 요구되기 때문에, 반복하는 실시예에 따른 PIXON^® 맵 및 슈더-이미지의 동시적인 최적화는 압축 단계에서 손실된 공간 구조를 도입할 수 있다.One advantage of this iterative procedure involving smoothing industry-standard decompressed images is that the smoothing process cannot introduce image content that is not included in the compressed data; It only removes the structure. Since the additional image information required to generate the data are consistent with the simplest model, PIXON ^® and syudeo map according to an embodiment of repeat - simultaneous optimization of the image may be introduced into the spatial structure loss in the compression step.

또 다른 실시예에 있어서, PIXON^® 방법을 사용하여 이미지들을 최적으로 압축/압축 해제하기 위해 정보에 기반한 좌표 시스템을 구현하는 방법은 이미지 데이터를 포함하는 이미지 파일을, PIXON^® 방법을 실행하기 위해 소프트웨어를 저장하는 프로세스에 연관된 메모리 및 상기 프로세서에 입력하는 단계를 포함하고, 이미지 파일은 이미지 데이터에 대응하는 복수의 위치들을 포함한다. 상기 방법은 수신된 이미지 데이터의 모델을 나타내는 이미지 맵을 발생시키는 하나 이상의 이미지 데이터 포인트들을 계산하기 위해 PIXON^® 방법에 의해 식별된 데이터 이미지 내의 정보 밀도를 이용하는 제 1 알고리즘을 실행하는 단계도 포함한다. 제 2 알고리즘은 이미지 데이터 포인트들의 수를 감소시키기 위해 상기 이미지 데이터 포인트들의 위치 및 강도를 포함하여, 하나 이상의 이미지 데이터 포인트들을 최적화시키기 위해 실행될 수 있다. 그 후, 감소된 이미지 데이터 포인트들의 수는 재-최적화될 수 있고, GOF가 이미지 데이터의 각 위치에서 소정의 공차 내에 있도록 수신된 이미지 데이터에 대응하는 위치들과 하나 이상의 이미지 데이터 포인트들 사이에서 적합도가 판별된다. 상기 하나 이상의 이미지 데이터 포인트들은, 상기 소정의 공차 내에 있고 수신된 이미지 데이터의 해당 부분들이 다른 경우에 사용되는 위치들에서 이미지 압축을 위한 후보들로서 수용될 수 있다. 한 실시예에 있어서, 상기 하나 이상의 이미지 데이터 포인트들은 노트 포인트들(knot points)을 포함한다. 상기 방법은 상기 이미지 데이터의 압축을 위해 사용되는 이미지 데이터 포인트 위치 및 값을 포함하는 하나 이상의 이미지 데이터 포인트들을 인코딩하는 단계도 포함할 수 있다. 상기 제 1 알고리즘은 이미지 보간법 알고리즘을 포함할 수 있고, 상기 제 2 알고리즘은 단순형(simplex)(또는 다른) 최소 알고리즘을 포함할 수 있다. 여러 실시예들에 있어서, 수신된 이미지 데이터의 모델은 노트 포인트들 사이의 이미지 강도의 선형 보간법을 통하여 구성된다.In another embodiment, a method of implementing an information-based coordinate system for optimally compressing / decompressing images using the PIXON ^® method may comprise an image file containing the image data, software for executing the PIXON ^® method. And inputting into the processor and a memory associated with the process of storing the image file, wherein the image file includes a plurality of locations corresponding to the image data. The method also includes executing a first algorithm that uses the information density in the data image identified by the PIXON ^® method to calculate one or more image data points that generate an image map representing a model of the received image data. A second algorithm may be executed to optimize one or more image data points, including the location and intensity of the image data points to reduce the number of image data points. Then, the reduced number of image data points can be re-optimized and the goodness of fit between the one or more image data points and the positions corresponding to the received image data such that the GOF is within a predetermined tolerance at each position of the image data. Is determined. The one or more image data points may be accepted as candidates for image compression at locations within the predetermined tolerance and where corresponding portions of the received image data are different. In one embodiment, the one or more image data points comprise knot points. The method may also include encoding one or more image data points including image data point positions and values used for compression of the image data. The first algorithm may comprise an image interpolation algorithm, and the second algorithm may comprise a simplex (or other) minimum algorithm. In various embodiments, the model of received image data is constructed through linear interpolation of image intensities between note points.

본 발명의 양태들, 이점들 및 상세한 설명은 본 발명의 구조 및 동작 모두로서, 참조 번호가 부품으로서 언급되는, 첨부된 대표적인 도면에 의해 일부에서 얻어질 수 있다. 도면은 반드시 치수화된 것이 아니고, 그 대신에 본 발명의 원리를 설명함에 따라 강조하기 사용된 것이다.Aspects, advantages, and details of the present invention can be obtained in part by the accompanying representative drawings, in which reference numerals are referred to as parts, both as structures and operations of the present invention. The drawings are not necessarily to scale, used instead to highlight the principles of the present invention.

도 1은 본 발명에 따른 PIXON^® 방법을 사용하여 이미지를 압축 해제하는 간단한, 대표적인 제어기 모듈의 블럭도이다.1 is a block diagram of a simple, representative controller module for decompressing an image using the PIXON ^® method according to the present invention.

도 2는 PIXON^® 방법을 사용하여 이미지를 압축 및 압축 해제하는 대표적인 제어 모듈의 블럭도이다.2 is a block diagram of an exemplary control module for compressing and decompressing images using the PIXON ^® method.

도 3은 산업 표준형 방법을 사용하여 압축되는 이미지를 위한 일반적인 압축 해제 설계의 블럭도이다.3 is a block diagram of a general decompression design for an image compressed using an industry standard method.

도 4는 산업-표준형 방법을 사용하여 압축되는 이미지를 사용하는, 독창적인 압축 해제 방법 단계를 제시한 순서도이다.4 is a flow chart that presents the original decompression method steps, using an image that is compressed using an industry-standard method.

도 5는 산업-표준형 방법을 사용하여 압축되는 이미지를 사용하는, 대안적이고 독창적인 압축 해제 방법 단계를 제시한 순서도이다.5 is a flowchart presenting an alternative and original decompression method step, using an image that is compressed using an industry-standard method.

도 6a 및 6b는 산업-표준형 압축 해제 방법 및 독창적인 PIXON^® 압축 해제 방법 각각을 사용하여, 제 1 샘플 이미지 파일의 압축 해제의 대표적인 결과를 제시하는 사진 이미지들이다. Figures 6a and 6b are industry-standard decompression method and using the inventive PIXON ^® decompression method, respectively, are the images of the first to present a representative result of decompression of the sample image file.

도 7a 및 7b는 제 2 샘플 이미지 파일의 압축 해제의 대표적인 결과를 제시하는 사진 이미지들로서, 도 7a는 산업 표준형 압축 해제 기술의 결과를 제시하고, 도 7b는 PIXON^® 압축 해제 처리의 결과를 제시한다.7a and 7b is the second as images to present a representative result of decompression of the sample image file, Figure 7a presents the results of the industry standard decompression technique, Figure 7b presents the results of a PIXON ^® decompression processing .

도 8a 및 8b는 제 3 샘플 이미지인 열적외선 이미지 파일의 압축 해제의 대표적인 결과를 제시하는 사진 이미지들로서, 도 8a는 산업 표준형 압축 해제 기술의 결과를 제시하고, 도 8b는 PIXON^® 압축 해제 처리의 결과를 제시한다.Figures 8a and 8b are a third as images to present a representative result of the sample compressed in the thermal infrared image file, the image off, Figure 8a presents the results of industry standard decompression technique and FIG. 8b PIXON ^® decompression processing Present the results.

도 9a 및 9b는 야간 투시경(night vision goggles)으로부터의 제 4 샘플 이미지의 압축 해제의 대표적인 결과를 제시하는 사진 이미지들로서, 도 9a는 산업- 표준형 압축 해제 기술의 결과를 제시하고, 도 9b는 PIXON^® 압축 해제 처리의 결과를 제시한다.9A and 9B are photographic images showing representative results of decompression of a fourth sample image from night vision goggles, FIG. 9A presents the results of an industry-standard decompression technique, and FIG. 9B shows a PIXON ^® presents the results of the decompression process.

도 10은 대표적인 PIXON^® 이미지 압축 절차의 단계를 제시한 순서도이다.10 is a flowchart showing the steps of a representative PIXON ^® image compression procedure.

도 11a-11e는 입력 이미지의 압축을 위한, 대표적인 보간법 설계(interpolation scheme)에 포함된 진행 단계를 제시한다(도 11 a).11A-11E show the steps involved in a representative interpolation scheme for the compression of input images (FIG. 11A).

본원에서 개시된 특정 실시예들은 우수한 이미지 압축/압축 해제를 이루기 위해 PIXON^® 방법을 사용하는 방법 및 시스템을 제공한다. 본 발명의 다양한 실시예들이 본원에서 기술되지만, 이러한 실시예들은 일례의 방식으로만, 그리고 국한되지 않고 제시된다는 것을 이해하여야 한다. 상기와 같이, 대안적인 다양한 실시예들의 상세한 설명은 본 발명의 권리 범위 또는 권리 폭에 국한되게 구성되지 않아야 한다.Certain embodiments disclosed herein provide methods and systems for using the PIXON ^® method to achieve good image compression / decompression. While various embodiments of the invention have been described herein, it should be understood that these embodiments are presented by way of example only, and not limitation. As above, the detailed description of various alternative embodiments should not be limited to the scope or scope of the present invention.

본 발명의 동작을 이해하기 위해서, PIXON^® 방법의 동작을 간략하게 검토하는 것이 편리하다.(1999년 1월 17일, Richard C. Puetter 및 Amos Yahil에 의한 문헌 "The Pixon method of Image Reconstruction" 참조, 상기 문헌은 본원에서 참조로서 병합됨)In order to understand the operation of the present invention, it is convenient to briefly review the operation of the PIXON ^® method (see January 17, 1999, by Richard C. Puetter and Amos Yahil, "The Pixon method of Image Reconstruction"). , Which is incorporated herein by reference)

이미지의 최하위 비트(the least significant bit)보다 엄격한 공차부터 이미지 상세함이 점차적으로 감소되는 여유있는 공차까지, 공차가 점진적으로 변화됨 에 따라서, PIXON^® 방법은 무손실 및 유손실(lossless and lossy)의 압축/압축 해제에 대한 기초를 한번에 제공한다. 또한, 공차 레벨은 위치 종속 방식으로 특정될 수 있어서, 이미지의 서로 다른 부분들에서 압축/압축 해제의 서로 다른 레벨을 허용한다.As the tolerances change gradually, from tighter tolerances than the least significant bit of the image to a more relaxed tolerance where the image detail is gradually reduced, the PIXON ^® method achieves lossless and lossy compression. Provides a foundation for decompression at once. In addition, the tolerance level can be specified in a position dependent manner, allowing different levels of compression / decompression in different parts of the image.

PIXON^® 방법은 이미지 데이터가 허용되는 만큼 국부적으로 이미지 모델을 스무스(smooth)하게 함으로써, 복잡성을 감소시키고, 이로써, 이미지에 있어 독립성 패치들(independent patches) 또는 PIXON^® 요소들의 수를 감소시킨다. PIXON^® 방법의 일반적인 실행에 있어서, 이미지는 스무스화를 제공하기 위해 설계된 양의 커널 함수(positive kernel function), K를 가진 슈더-이미지(pseudo-image)에 대한 적분으로서 표기된다.The PIXON ^® method reduces the complexity by smoothing the image model locally as the image data is allowed, thereby reducing the number of independent patches or PIXON ^® elements in the image. In a typical implementation of the PIXON ^® method, an image is represented as an integral to a pseudo-image with a positive kernel function, K, designed to provide smoothing.

커널 함수는 공간적으로 변할 수 있는 크기 및 형상을 가질 수 있는 PIXON^® 커널로서 언급될 수도 있다. 상기 기술은 이미지 데이터 픽셀 그리드(grid) 상에 정의된 슈더-이미지 Φ를 반복적으로 계산한다. 이 슈더-이미지는 트루 이미지(true image)는 아니지만, PIXON^® 분배 및 결과 이미지를 발생시키기에 필요한 수치 계산을 실행하기 위해 이미지 데이터 픽셀 그리드와 함께 사용된다. 비-음 최소제곱 피트(non-negative least-squares fit)의 경우에 있어, 슈더-이미지 Φ에 게 양이 되도록 요구하는 것은 K의 폭보다 작은 치수(scale)상의 이미지 I에서의 변동을 제거한다. 이 치수화는 이미지 데이터에 적합하다. 각 위치에서, 상기 치수화는 국부적인 적합도(GOF)를 위배하지 않고 가능한 한 크기에서 증가되도록 한다. 복잡성은 다-해상도(multi-resolution)를 가능케 하기 위해 서로 다른 크기의 커널 함수를 사용할 뿐만 아니라, 그들의 형상의 분별있는 선택에 의해서도 감소될 수 있다. 예를 들면, 가장 방대한 이미지의 복원에 충분할 수 있는 원형 대칭 커널(circularly symmetric kernel)은 늘어진 형태를 가진 이미지, 예를 들면 도시의 항공 사진에 대한 가장 효과적인 스무스화 커널(smoothing kernel)일 수는 없다. 커널의 선택은 이미지 모델이 규정된 "언어"이고, 이미지의 모든 독립성 요소를 특징으로 하기에 매우 충분해야 한다.Kernel functions may be referred to as PIXON ^® kernels, which may have a size and shape that can vary spatially. The technique iteratively calculates the shredder-image φ defined on an image data pixel grid. This shooter-image is not a true image, but is used with an image data pixel grid to perform the numerical calculations required to generate the PIXON ^® distribution and the resulting image. In the case of a non-negative least-squares fit, requiring to be positive for the shudder-image Φ eliminates the variation in image I on a scale smaller than the width of K. . This dimensioning is suitable for image data. In each position, the dimensioning is allowed to increase in size as much as possible without violating local fit (GOF). Complexity can be reduced not only by using kernel functions of different sizes to enable multi-resolution, but also by the sensible choice of their shape. For example, a circularly symmetric kernel, which may be sufficient for the reconstruction of the largest image, cannot be the most effective smoothing kernel for elongated images, for example, aerial photographs of a city. . The kernel choice is the "language" in which the image model is defined and must be very sufficient to characterize all the independence elements of the image.

이미지들의 압축 해제에 대한 PIXON^® 방법은 가능한 가장 넓은(가장 넓은 영역, 체적 등) 커널 함수들, 및 데이터에 충분한 적합성(fit)을 함께 제공하고 커널 함수들에 연관된 슈더 이미지에 대한 동시 검색을 포함할 수 있다. 실행에 있어서, 상세한 검색은 사용된 PIXON^® 방법의 성질에 따라 변화될 수 있다. 그러나, 일반적으로, 이는 커널 함수들의 PIXON^® 맵(각 위치에서 커널들의 선택)에 주어진 슈더-이미지를 번갈아 가면서 해결하고, 그 후 현재 이미지 값들에 주어진 커널 함수의 치수화 크기를 증가시키려 한다. 요구된 반복 수는 이미지의 복잡성에 따라 변화될 수 있지만, 대부분의 문제점에 있어 몇 번의 반복이면 충분할 수 있다. 적 당한 커널을 선택하는 기준은 가장 큰 PIXON^® 커널의 GOF 및 풋프린트(footprint) 내의 신호-대-잡음비(SNR)이고, 상기 GOF 및 신호-대-잡음비(SNR)는 사용자에 의해 설정된 소정의 수용 조건에 통과된 것이다. 커널이 충분한 GOF를 가지지 않는 경우, 그의 풋프린트에 대한 SNR이 충분히 높은 경우에 델타(delta)-함수 커널은 할당된다. 상기 SNR이 특정 조건에 충족되지 않는 경우, 어떠한 커널도 할당되지 않는다. 주목할 점은, PIXON^® 방법에 의해 요구된 SNR이 이미지 데이터에서 각 픽셀일 수는 없고, 오히려 PIXON^® 커널의 이미지 데이터 풋프린트의 전체 SNR일 수 있다는 점이다. PIXON^® 방법은 더 높은 표면 밝기를 가진 작은 형태로서 크고, 낮은-표면-밝기 형태를 검출하기에 효과적이다. 형태의 수용 또는 거절은, 양 경우에 있어서, 사용자에 의해 선택된 통계적 유의도(statistical significance)에 기반한다.The PIXON ^® method for the decompression of images includes the widest possible (most wide area, volume, etc.) kernel functions, and simultaneous search for the shudder image associated with the kernel functions, providing sufficient fit to the data. can do. In practice, the detailed search may vary depending on the nature of the PIXON ^® method used. In general, however, this solves alternating the order-image given in the PIXON ^® map of kernel functions (selection of kernels at each location), and then attempts to increase the dimensioning size of the kernel function given the current image values. The number of iterations required may vary depending on the complexity of the image, but for most problems a few iterations may be sufficient. The criterion for selecting a suitable kernel is the signal-to-noise ratio (SNR) in the GOF and footprint of the largest PIXON ^® kernel, where the GOF and signal-to-noise ratio (SNR) is set by a user. Passed acceptance conditions. If the kernel does not have enough GOF, a delta-function kernel is allocated if the SNR for its footprint is high enough. If the SNR does not meet certain conditions, no kernel is allocated. Note that the SNR required by the PIXON ^® method may not be each pixel in the image data, but rather may be the overall SNR of the image data footprint of the PIXON ^® kernel. The PIXON ^® method is effective for detecting large, low-surface-brightness shapes in small forms with higher surface brightness. Acceptance or rejection of the form, in both cases, is based on the statistical significance selected by the user.

이 배경 정보를 생각하면서, 본 발명은 도 1을 참조하여 설명할 것이다. 도 1은 PIXON^® 압축 해제 방법을 실행하기 위해 사용될 수 있는, 대표적인 제어기 모듈의 블럭도이다. 일 실시예에 있어서, 제어기 모듈은 수신 모듈(1002), 계산기 모듈(1008) 및 적합도 모듈(1006)을 포함할 수 있다. 상기 수신 모듈(1002)은 계산기 모듈(1008) 및 적합도(GOF) 모듈(1006)에 연결될 수 있고, 산업-표준형 압축 해제 이미지를 포함하는 이미지 파일을 수신하기 위해 구성되고, 상기 산업-표준형 압축 해제 이미지에서의 이미지는 이미지 데이터에 대응하는 복수의 위치를 포함한 다. 대부분 상황에 있어서, 위치는 픽셀들의 어레이 내에서 픽셀들, 또는 픽셀들의 블럭에 대응될 것이지만, 그러나, 다른 색인(indexing) 기술들은, 이미지 내의 세그먼트의 어레이를 포함하는 그리드를 정의하는 것과 같이, 위치를 정의하기 위해 사용될 수 있다. 산업-표준형 압축 해제 이미지는 표준형 스틸 카메라(still camera), 비디오 카메라, 적외선 카메라, X-선 영상기, 레이더 영상기, 또는 다수의 다른 영상 장치들로부터 비롯될 수 있다. 본 발명에 따라서 압축 해제에 앞서, 이미지들은 예를 들면, 더 작은 크기 파일의 이미지를 전송하거나 저장하기 위해 산업 표준형 압축된 이미지(또는 원본 압축 데이터 파일)로 산업-표준형 압축 설계에 의해 압축된다. 수신된 산업-표준형 압축 해제 이미지는 GOF 모듈(1006) 및 계산기 모듈(1008)과 통신하는 저장 장치(1004)에 저장될 수 있다. 압축 해제 후에, 압축 해제 이미지 파일은 저장 장치에 보관될 수 있고, 그리고/또는 프린터, 컴퓨터 모니터 또는 다른 영상 디스플레이 장치 등의 디스플레이 장치(1010)에 의해 표시되기 위해 출력될 수 있거나 또는 추가적인 프로세싱을 위한 외부장치와 통신이 될 수 있다.Considering this background information, the present invention will be described with reference to FIG. 1 is a block diagram of an exemplary controller module that may be used to implement the PIXON ^® decompression method. In one embodiment, the controller module may include a receiving module 1002, a calculator module 1008, and a fitness module 1006. The receiving module 1002 may be coupled to a calculator module 1008 and a good fit (GOF) module 1006 and configured to receive an image file comprising an industry-standard decompressed image, wherein the industry-standard decompression The image in the image includes a plurality of positions corresponding to the image data. In most situations, the location will correspond to pixels, or blocks of pixels, within the array of pixels, but other indexing techniques, such as defining a grid that includes an array of segments in an image, Can be used to define The industry-standard decompressed image may come from a standard still camera, video camera, infrared camera, X-ray imager, radar imager, or a number of other imaging devices. Prior to decompression in accordance with the present invention, the images are compressed by an industry-standard compression design into an industry standard compressed image (or original compressed data file), for example to transfer or store an image of a smaller size file. The received industry-standard decompression image may be stored in storage device 1004 in communication with GOF module 1006 and calculator module 1008. After decompression, the decompressed image file may be stored on a storage device and / or output for display by a display device 1010 such as a printer, computer monitor or other video display device or for further processing. Can communicate with external devices.

저장 장치(1004)는 랜덤 액세스 메모리(RAM) 등의 하나 이상의 휘발성 저장 장치들과 함께, 휘발성 및/또는 비-휘발성 저장 장치, 예를 들면 판독 전용 메모리(ROM), 비-휘발성 랜덤 액세스 메모리(NVRAM)를 포함할 수 있다. 계산기 모듈(1008)은 하술된 바와 같이 압축 해제된 입력 이미지를 스무스화하는 PIXON^® 방법을 실행하기 위해 서브루틴을 포함하는 컴퓨터 코드를 포함한다.Storage device 1004 may be used in conjunction with one or more volatile storage devices, such as random access memory (RAM), to volatile and / or non-volatile storage devices such as read-only memory (ROM), non-volatile random access memory ( NVRAM). Calculator module 1008 includes computer code that includes a subroutine to execute the PIXON ^® method of smoothing the decompressed input image as described below.

도 2는 본 발명에 따라서, PIXON^® 방법을 사용하여 이미지를 압축 및 압축 해제하는 컴퓨터-기반 시스템에서 사용되는 대표적인 모듈(2000)의 블럭도이다. 모듈(2001)은 수신 모듈(2005), 제 1 제어 모듈(2007), 제 2 제어 모듈(2008), 계산기 모듈(1008) 및 적합도 모듈(1006)을 포함한다. 수신 모듈(2005)은 이미지 데이터 및 상기 이미지 데이터에 대응하는 복수의 위치를 포함하는 입력 이미지 파일을 수신하기 위해 구성된다. 계산기 모듈(1008) 및/또는 그에 연관된 메모리(미도시)는 입력 이미지에서 정보의 밀도에 대응하는 PIXON^® 맵을 발생시키기 위해, 방법을 실행하는 컴퓨터 프로그램 코드를 저장한다. 제 1 제어 모듈(2007)은 하나 이상의 이미지 데이터 포인트들을 계산하기 위해 PIXON^® 맵을 이용하는 제 1 알고리즘을 실행하도록 구성되어, 수신된 이미지 데이터의 모델을 나타내는 이미지 맵을 발생시킨다. 제 2 제어 모듈(2008)은 이미지 데이터 포인트들의 수를 감소시키는 이미지 데이터 포인트들의 위치 및 강도를 포함하여, 하나 이상의 이미지 데이터 포인트들을 최적화시키기 위해 구성된 제 2 알고리즘을 실행하도록 구성될 수 있다. 제 2 제어 모듈(2008)은 이미지 데이터 포인트들의 감소된 수를 재-최적화시키도록 구성될 수도 있다. 출력 장치(2010)는 출력을 보기 원하는 경우에 디스플레이 장치일 수 있거나, 또는 압축 또는 압축 해제 이미지 파일의 결과의 통신을 위해 또 다른 장치에 연결되는 인터페이스 또는 네트워크일 수 있다.2 is a block diagram of an exemplary module 2000 used in a computer-based system for compressing and decompressing images using the PIXON ^® method, in accordance with the present invention. The module 2001 includes a receiving module 2005, a first control module 2007, a second control module 2008, a calculator module 1008 and a fitness module 1006. The receiving module 2005 is configured to receive an input image file comprising image data and a plurality of locations corresponding to the image data. A calculator module 1008 and / or memory (not shown) associated with it stores the computer program code to generate a PIXON ^® map corresponding to the density of information in the input image, executing the method. The first control module (2007) is configured to execute a first algorithm that uses the PIXON ^® map to calculate one or more image data points to generate an image map that represents a model of the received image data. The second control module 2008 can be configured to execute a second algorithm configured to optimize one or more image data points, including the location and intensity of the image data points to reduce the number of image data points. The second control module 2008 may be configured to re-optimize the reduced number of image data points. The output device 2010 can be a display device if desired to view the output, or can be an interface or network connected to another device for communication of the results of the compressed or decompressed image file.

도 3은 산업-표준형 압축 방법을 사용하여 압축된 이미지를 처리하는, 일반적인 압축 해제 설계의 단계를 제시한다. 원본 이미지(2000)는 표준형 스틸 카메 라, 비디오 카메라, 적외선 카메라, X-선 영상기, 레이더 영상기 또는 다수의 다른 영상기에 의해 생성될 수 있다. 이미지들은 라디오, 텔레비전, 인터넷, 또는 다른 전송 수단에 의해 전송되는 디스크 또는 비디오 아카이브(archive)에 저장될 수도 있다. 일반적으로, 큰 양의 이미지 데이터를 전송하는 용량이 제한되기 때문에, 이미지 또는 비디오는 압축 이미지 데이터(예를 들면, 원본 압축 이미지 데이터 파일 또는 파일, 또는 "OCDF")(2002)를 획득하기 위해 산업-표준형 압축 설계로 압축된다. 스무스 테스트 이미지(Smooth Test Image, STI)(2004)는 본 발명에 따른 PIXON^® 방법을 사용하여 발생된 복수의 스무스 테스트 이미지들(STIs)을 포함하는 해 공간으로부터 선택되고, OCDF에서 사용되는 산업-표준형 압축 설계를 동일하게 사용하여 압축된다. 테스트 압축 데이터 파일(TCDF)(2006)은 원본 압축 데이터 파일(2002)의 소정의 공차 내에서 적합도를 판별하기 위해 OCDF(2002)와 비교된다. 테스트 압축 데이터 파일이 규정된 공차 내에 적합한 경우, 상기 테스트 압축 데이터 파일은 대표적인 원본 이미지로서 선택된다.3 presents the steps of a general decompression design, which processes compressed images using an industry-standard compression method. The original image 2000 may be generated by a standard still camera, video camera, infrared camera, X-ray imager, radar imager, or a number of other imagers. The images may be stored in a disk or video archive transmitted by radio, television, the Internet, or other means of transmission. In general, because the capacity to transfer large amounts of image data is limited, an image or video may be used to obtain compressed image data (eg, original compressed image data file or file, or “OCDF”) 2002. -Compressed with standard compression design. Smooth Test Image (STI) (2004) is selected from a solution space comprising a plurality of Smooth Test Images (STIs) generated using the PIXON ^® method according to the present invention and used in OCDF. Compressed using the same standard compression design. The test compressed data file (TCDF) 2006 is compared with the OCDF 2002 to determine the goodness of fit within a predetermined tolerance of the original compressed data file 2002. If the test compressed data file fits within the defined tolerances, the test compressed data file is selected as the representative original image.

도 4는 본 발명에 따른 이미지의 압축/압축 해제의 대표적인 방법의 단계를 제시하는 순서도이다. 이 방법의 단계는 도 1을 참조하여 설명된 바와 같이, 프로세싱 모듈을 사용하여 실행될 수 있다. 이 실시예에 있어서, 스무스 테스트 이미지들을 발생시키는 방법은 산업-표준형 압축 해제 이미지를 프로세싱 모듈(1000)에 입력하기 시작한다. 높은 레벨의 압축에 있어서, 이 압축 해제 이미지는 많은 블럭 및 모스퀴토 인공물들일 수 있다. PIXON^® 방법이 인공물들을 제거하기 위해 이 시작 이미지(starting image)를 스무스하도록 사용되면서, 원본 압축 이미지 데이터 파일에 대한 규정된 공차 내에서 GOF를 유지시킨다. 도 4에 제시된 바와 같이, 처리는 원본 압축 데이터 파일(OCDF)가 수신되는 단계(3000)에서 시작된다. 단계(3002)에 있어서, 해당 산업-표준형 압축 해제 방법은 입력 산업-표준형 압축 해제 이미지(I_DIS)를 생성하기 위해 OCDF를 압축하도록 사용된다. PIXON^® 압축 해제 이미지는 I_DIS에 관해 초기화되고, 다음 단계에서 변형된다. 단계(3006)에 있어서, 입력 압축 해제 이미지는 복수의 서로 다른 PIXON^® 커널들(K_i)로부터 선택된 PIXON^® 커널들을 사용하여 스무스화된다. 바람직한 실시예에 있어서, 복수의 커널들 내에서 가장 작은 커널들이 우선 적용되지만, 그러나, 이 반복 처리를 시작하기 위해 첫번째 커널을 선택하도록 다른 기준이 사용될 수도 있다. PIXON^® 스무스화 처리는 복수의 스무스 테스트 이미지들(STIs)을 형성하기 위해 복수의 PIXON^® 커널들로, 입력 압축 해제 이미지의 컨볼루션(convolution)을 실행하는 단계를 포함한다. 다음 단계(3008)는 복수의 위치들에 대한 이미지의 각 위치에서 각 STI에 대응하는 각각의 TCDF의 적합도를 비교하며, 그리고 가장 넓은 PIXON^® 커널을 가지고 규정된 적합도 공차를 여전히 충족시키는 TCDF를 가진 STI를, 각 위치마다 PIXON^® 압축 해제 이미지로서 선택한다.4 is a flow chart presenting the steps of a representative method of compression / decompression of an image in accordance with the present invention. The steps of this method may be performed using a processing module, as described with reference to FIG. 1. In this embodiment, the method of generating smooth test images begins to input an industry-standard decompressed image to the processing module 1000. For high levels of compression, this decompressed image can be many block and mosquito artifacts. The PIXON ^® method is used to smooth this starting image to remove artifacts, keeping GOF within defined tolerances for the original compressed image data file. As shown in FIG. 4, processing begins at step 3000 where an original compressed data file OCDF is received. In step 3002, the industry-standard decompression method is used to compress the OCDF to produce an input industry-standard decompression image I _DIS . The PIXON ^® uncompressed image is initialized with respect to I _DIS and transformed in the next step. In step 3006, the input decompressed image is smoothed using PIXON ^® kernels selected from a plurality of different PIXON ^® kernels K _i . In the preferred embodiment, the smallest kernels in the plurality of kernels apply first, but other criteria may be used to select the first kernel to begin this iteration process. The PIXON ^® smoothing process includes executing a convolution of an input decompression image with a plurality of PIXON ^® kernels to form a plurality of smooth test images (STIs). The next step 3008 compares the goodness of fit of each TCDF corresponding to each STI at each position of the image for multiple positions, and with the TCDF still meeting the defined goodness tolerance with the widest PIXON ^® kernel. STI is selected for each position as a PIXON ^® decompressed image.

도 4에 있어서, PIXON^® 테스트는 단계(3008)에서 한번에 PIXON^® 커널로 순차적으로 실행된다. 이 단계에 있어서, 후보 압축 해제 이미지는 테스트 압축 데이터 파일(TCDF)을 생성하기 위해 산업 표준형 압축 방법을 사용하여 압축된다. 다양한 (적합도) 형성의 이점은 TCDF가 OCDF의 주어진 공차 내에 있는지를 판별하기 위해 사용될 수 있다. JPEG 또는 MJPEG 압축된 이미지들에 있어서, 대표적인 절차는 블럭 단위(block-by-block) 원리에 비교하는 단계, 및 OCDF에 대한 양자화된 DCT 이미지 데이터와 TCDF의 양자화된 DCT의 차이 제곱의 합이 규정된 공차(tolerance)보다 작은지를 판별, 즉 다음과 같이 판별하는 단계를 포함한다.In FIG. 4, the PIXON ^® test is executed sequentially with the PIXON ^® kernel at a time in step 3008. In this step, the candidate decompressed image is compressed using an industry standard compression method to generate a test compressed data file (TCDF). The benefits of various (fit) formation can be used to determine if the TCDF is within a given tolerance of the OCDF. For JPEG or MJPEG compressed images, a representative procedure is to compare the block-by-block principle, and specify the sum of the squared difference of the quantized DCT image data for OCDF and the quantized DCT of TCDF. Determining whether it is less than a defined tolerance, i.e., determining as follows.

8x8 픽셀 블럭에서 모든 픽셀에 대한 합이 이루어짐에 따라 각 8x8 픽셀 블럭에 대한 GOF 기준은 정의되고, OCDF_i는 원본 압축 데이터 파일에 대한 픽셀 i의 양자화된 DCT 값이고, TCDF는 테스트 압축 데이터 파일에 대한 해당 픽셀 값이고, 그리고 소정의 공차는 공차(tolerance)에 의해 주어진다. 스무스 테스트 이미지를 생성하는 것이 목적인데, 상기 스무스 테스트 이미지는 각 위치에서 가능한 한 스무스하게 하면서, 이미지에 있어 각 8x8 픽셀 블럭에 대한 GOF 공차를 여전히 충족시킨다.As the sum of all pixels in the 8x8 pixel block is summed, the GOF criteria for each 8x8 pixel block is defined, OCDF _i is the quantized DCT value of pixel i for the original compressed data file, and TCDF is added to the test compressed data file. Is the corresponding pixel value, and the predetermined tolerance is given by tolerance . The purpose is to create a smooth test image, which still meets the GOF tolerance for each 8x8 pixel block in the image, making it as smooth as possible at each location.

압축의 레벨을 증가시키기 위해 움직임 추정(motion estimation)을 사용하는 압축 설계에 있어서, GOF는 단일 프레임에 반드시 기초할 필요는 없지만, 이동 물체가 다수의 프레임들 상에 어떻게 잘 적합되는지를 포함하는 것이 바람직하다. 효과적인 GOF 기준을 만드는 정확한 항목은 압축 설계 간에서 변화될 수 있고, 특별한 실행에 의해 겪게 되는 계산적인 부하의 레벨에 따라서 변화될 수도 있다. 그럼에도 불구하고, 효과적인 GOF의 목적은 특정 테스트 압축 데이터 파일이 원본 압축 데이터 파일에 어떻게 잘 일치하는지를 계측하는 것이다.In compression designs that use motion estimation to increase the level of compression, GOF does not necessarily have to be based on a single frame, but it does include how well the moving object fits over multiple frames. desirable. The exact items that make up an effective GOF criterion may vary between compression designs and may vary depending on the level of computational load experienced by a particular implementation. Nevertheless, the goal of an effective GOF is to measure how well a particular test compressed data file matches the original compressed data file.

도 4의 단계(3008)로 다시 참조하여, GOF 기준을 통과한 픽셀들에 있어서, 스무스 테스트 이미지는 이러한 픽셀들에서 새로운 PIXON^® 압축 해제 이미지로서 받아들여지게 된다. GOF 기준을 통과하지 못한 픽셀들에 있어서, PIXON^® 압축 해제 이미지는 루프의 마지막 통과된 것과 동일한 것으로 남아있게 된다. 그 후, PIXON^® 압축 해제 이미지는 스무스화된 이미지를 단계(3004)로 되돌려 보냄으로써, 상기 이미지가 더 스무스화될 수 있는지를 판별하기 위해 다시 처리되고, 다음 단계(3006)에서 가장 큰 커널은 스무스화 I_DIS를 위해 선택된다. 이 스무스 테스트 이미지(STI)는 동일한 산업-표준형 압축 방법을 사용하여 다시 압축되고 단계(3008)에서 OCDF에 대해 비교되어 GOF 기준을 통과하는 이러한 픽셀들을 식별하고, STI의 재차 통과한 픽셀들은 PIXON^® 압축 해제 이미지에서의 이러한 픽셀을 업데이트하기 위해 사용된다. 모든 커널들이 단계(3010)에서 시도되면, PIXON^® 압축 해제 이미지는 선택된 PIXON^® 커널들의 과(family)에 가능한 한 스무스하게 주어지고, 처리는 종료된다. 그 후, 결과적인 PIXON^® 압축 해제 이미지는 디스플레이 장 치에 출력될 수 있고, 메모리에 저장될 수 있고, 압축 해제 이미지를 더 처리하기 위해 외부 장치에 전송될 수 있다. 얼굴 인식, 이미지 분석 또는 여러 타입의 출판물에 이미지를 병합, 또는 압축 해제 이미지들에 대해 사용될 수 있는 실질적으로 무한한 리스트(endless list)를 실행함으로써, 추가적인 처리는 이러한 활동 범위를 포함할 수 있다.See Fig back to step 3008 of 4, for pixels that pass the GOF criterion, smooth test image will be accepted as the new PIXON release ^® compressed image in such pixel. For pixels that do not pass the GOF criterion, the PIXON ^® decompressed image will remain the same as the last passed in the loop. The PIXON ^® decompressed image is then processed again to determine if the image can be further smoothed by sending the smoothed image back to step 3004, where the largest kernel is Selected for smoothing I _DIS . This smooth test image (STI) is recompressed using the same industry-standard compression method and compared for OCDF in step 3008 to identify those pixels that pass the GOF criterion, and the pixels that have passed again of the STI are PIXON ^® It is used to update these pixels in the decompressed image. After all kernels are attempted in step (3010), PIXON ^® decompressed image is as smooth as possible given to the (family) of the selected PIXON ^® kernel, the process is ended. The resulting PIXON ^® decompressed image can then be output to the display device, stored in memory, and sent to an external device for further processing. Additional processing can include this range of activities by performing face recognition, image analysis or merging images into various types of publications, or by executing a substantially endless list that can be used for decompressed images.

PIXON^® 압축 해제 설계에 의해 이루어진 압축 해제의 품질은 스무스 테스트 이미지가 선택되는 해 공간의 크기에 의존할 것이다. 상기에 기술된 절차는, 위치 종속 방식(position dependent manner)의 정도를 변화시킴으로써, 산업-표준형 압축 해제 이미지를 스무스하게 하여 획득될 수 있는 이러한 이미지들만을 포함하는 해 공간을 가진다. 해 공간이 가능한 모든 이미지들의 공간에 있으면, 결과적인 압축 해제 이미지는 규정된 공차 내에서 원본 압축 이미지 데이터 파일(OCDF)을 압축하는, 가능한 한 가장 스무스하게 된 이미지일 것이다. 이 이미지는 원본 출처 물질 이미지일 수는 없는데, 정보가 압축 처리에서 일반적으로 손실됨으로 인해 공차가 제로로 설정되는 경우에서도 그러하다. 스무스 테스트 이미지는 원본 이미지보다 더 스무스하게 되면서, 산업-표준형 압축 해제 이미지보다 원본 이미지에 훨씬 더 가깝게 되는데, 그 이유는 인공물들이 없기(free of artifacts) 때문이다(원본 이미지에 인공물이 없다는 가정을 한 경우).The quality of the decompression achieved by the PIXON ^® decompression design will depend on the size of the solution space in which the smooth test image is selected. The procedure described above has a solution space that includes only those images that can be obtained by smoothing the industry-standard decompressed image by varying the degree of position dependent manner. If the solution space is in the space of all possible images, the resulting decompressed image will be the smoothest image possible, compressing the original compressed image data file (OCDF) within a defined tolerance. This image cannot be the original source material image, even if the tolerance is set to zero because the information is generally lost in the compression process. The smooth test image is smoother than the original image, which is much closer to the original image than the industry-standard decompressed image because it is free of artifacts (assuming the original image is free of artifacts). Occation).

PIXON^® 압축 해제 방법의 또 다른 실시예에 있어서, PIXON^® 커널들의 수집에 의해 스무스하게 된 슈더-이미지를 구성하는 일반적 PIXON^® 이미지 모델이 사용되 는 경우, 큰 해 공간이 획득될 수 있다. 결과적인 해 공간은 아주 큰 해 공간이고, 그리고 PIXON^® 커널들의 유한한 설정이 사용되기 때문에 "완전한" 해 공간의 레벨로 상승시키지 않는다. PIXON^® 커널들의 수집에 의해, 즉, 다음과 같은 식으로서 스무스 테스트 이미지를 표기함으로써, 스무스하게 된 슈더-이미지를 포함하는 일반적 PIXON^® 이미지 모델이 사용되는 경우, 큰 해 공간은 사용될 수 있다.In another embodiment of the PIXON ^® decompression method, a large solution space can be obtained when a generic PIXON ^® image model is used that constitutes a smoother image that has been smoothed by the collection of PIXON ^® kernels. The resulting solution space is a very large solution space, and does not rise to the level of the "complete" solution space because the finite configuration of the PIXON ^® kernels is used. Large solution spaces can be used when a generic PIXON ^® image model containing smoothed Shuder-images is used, by collection of PIXON ^® kernels, ie, by marking a smooth test image as follows.

이 방정식은 일반적 n-차원 이미지(종래의 2-차원 이미지들에 있어 이는 상기 2-차원 이미지에 대한 간단한 적분임)에 대해

-공간,

에서의 체적에 대한 적분을 사용하여 표기되고,

는 위치(

)에서 슈더-이미지이고, 그리고

는 픽셀(

)(일반적인 가설의

인 방사상적인 대칭 커널들을 위함)에서의 PIXON^® 커널이다. 그 후, 슈더-이미지 및 PIXON^® 맵은 GOF를 최소화시키는 슈더-이미지와 함께, 각 픽셀에서 가장 넓은 PIXON^® 커널들의 조합을 발견함으로써 획득된다. 이는 다수의 다-차원 최적화 기술(multi-dimensional optimization technique)에 의해 이루어질 수 있고, 상기 기술은 도 5에서 제시된 일반적 단계를 따른다.This equation is used for general n-dimensional images (in conventional two-dimensional images, which is a simple integral to the two-dimensional image).

-space,

Is expressed using the integral over the volume at

Is the location (

) Is a shudder-image, and

Is a pixel (

Of general hypothesis

PIXON ^® for radially symmetric kernels) Kernel Then, the Shudder-Image and PIXON ^® Map are obtained by finding the combination of the widest PIXON ^® Kernels at each pixel, with the Shudder-Image minimizing GOF. This can be done by a number of multi-dimensional optimization techniques, which follow the general steps shown in FIG. 5.

제시된 단계에 있어서, 원본 압축 이미지 파일(OCDF)(4000)은 PIXON^® 방법을 실행하기 위해 프로그램된 프로세서에 입력되고, OCDF에 대한 압축된 스무스 테스트 이미지(STI)를 반복적으로 발생 및 테스트하는 단계를 포함하는 수많은 단계들에 의해 최적화되는 PIXON^® 맵 및 슈더-이미지(단계 4001)를 초기화하기 위해 사용된다. 슈더-이미지의 최적화 및 각 위치에서 선택된 PIXON^® 커널들이 이루어질 수 있는 많은 가능성 있는 방식 중 하나는, OCDF에 대한 테스트 압축 데이터 파일(TCDF)의 GOF를 최소화시키면서 PIXON^® 커널을 고정되게 유지시키고(단계 4003), 그 다음으로 TCDF과 OCDF 사이의 소정의 GOF 공차가 충족될 수 없을 때까지(PIXON^® 맵 계산) 점차적으로 더 넓은 커널로 각 이미지 위치를 스무스하게 하여 PIXON^® 커널의 폭을 최대화시킴으로써(단계 4004), 슈더-이미지의 대안적인 최적화에 의한 방식이다. 그 후, 이 2 개의 단계 절차는 수렴될 때까지(단계 4006) 반복될 수 있다(단계 4002). PIXON^® 맵의 수렴에 대응하는 이미지 및 슈더-이미지는 원본 압축 이미지 파일의 최적의 압축 해제이다(단계 4008). 그 후, 최적의 압축 해제 이미지는 이전의 실시예를 참조하여 기술된 바와 같이 출력될 수 있다.In the steps presented, the original compressed image file (OCDF) 4000 is input to a processor programmed to execute the PIXON ^® method and iteratively generates and tests the compressed smooth test image (STI) for the OCDF. It is used to initialize the PIXON ^® map and the shredder-image (step 4001) that are optimized by the numerous steps it contains. One of the many possible ways in which the optimization of the shredder-image and the selected PIXON ^® kernels at each location can be achieved is to keep the PIXON ^® kernel fixed while minimizing the GOF of the test compressed data file (TCDF) for OCDF (step) 4003), then, by maximizing the width of the PIXON ^® kernel, gradually smoothing each image position with a wider kernel until the desired GOF tolerance between TCDF and OCDF cannot be met (PIXON ^® map calculation). Step 4004), a method by alternative optimization of the shooter-image. This two step procedure can then be repeated until it converges (step 4006) (step 4002). The image corresponding to the convergence of the PIXON ^® map and the shredder-image are the optimal decompression of the original compressed image file (step 4008). The optimal decompressed image can then be output as described with reference to the previous embodiment.

최고로 적합한 스무스 테스트 이미지를 식별하는 제 1 방법과는 달리, 최적의 압축 해제 이미지를 식별하는 상술된 방법은 원본 압축 해제 데이터 파일을 사용하여 시작될 필요는 없다. 대안적으로, PIXON^® 방법은 제로 이미지 또는 다른 이미지에 대해 시작될 수 있고, 델타 함수인 가능한 한 가장 작은 PIXON^® 커널을 사용하여 시작된 반복 처리에 대해 시작될 수 있다. 수렴에 이르는데에는 수많은 반복이 필요할 수 있는 반면 그 결과는 여전히 최적화된 압축 해제 이미지일 것이다.Unlike the first method of identifying the best suited smooth test image, the above described method of identifying the optimal decompressed image need not be initiated using the original decompressed data file. Alternatively, the PIXON ^® method can be started for zero images or other images, and can be started for iterative processing started using the smallest possible PIXON ^® kernel, which is a delta function. While many iterations may be required to reach convergence, the result will still be an optimized decompressed image.

제 1 실시예의 산업-표준형 압축 해제 이미지를 스무스화 하는 것과 관련한 반복 절차의 이점은, 스무스화만 제거될 수 있다는 이유로, 이전의 방법에서의 스무스화는 압축 데이터에 포함되지 않은 이미지 내용을 도입할 수 없고, 구조물을 도입하지 않는다는 것이다. 슈더-이미지 및 PIXON^® 맵의 반복적이고 동시적인 최적화(각 픽셀에서 사용되기 위해 적당한 PIXON^® 커널의 집합)는 압축 단계에서 손실된 공간 구조를 도입할 수 있다. PIXON^® 방법의 강력한 최소 복잡성 제한으로 인해, 압축된 이미지에 있는 정보 내용을 최적으로 적합시키는 것은, 자동적으로, 압축에 의해 손실될 수 있는 이미지 모델을 포함한 정보를 얻는다.The advantage of the iterative procedure with respect to smoothing the industry-standard decompressed image of the first embodiment is that smoothing in the previous method can introduce image contents not included in the compressed data, because only smoothing can be removed. No structure and no structure. Iterative and simultaneous optimization of the shudder-image and PIXON ^® maps (set of PIXON ^® kernels suitable for use at each pixel) can introduce spatial structures lost in the compression phase. Due to the strong minimum complexity limitations of the PIXON ^® method, optimally fitting the information content in a compressed image automatically obtains information including the image model which may be lost by compression.

상술된 PIXON^® 압축 해제 설계는 넓은 범위의 산업-표준형 압축 방법으로 나아갈 수 있다. 여러 실시예들에 있어서, 접근법은 그들의 각각의 압축 이미지 데이터 파일에 대한 스무스 테스트 이미지 또는 원본 이미지를 압축하는 산업-표준형 압축 방법이 임의적이다는 사실에 기반한다. 이로써, 산업-표준형 압축 방법은 압축 접근법일 수 있는데, 예를 들면, MPEG-2, MPEG-4, MOV, AVI, 또는 H.264이다. 또한, PIXON^® 테스트, 즉, 원본 압축 이미지 데이터 파일에 대한 테스트 압축 이미지 데이터 파일 2006의 GOF의 평가는 상기 압축 방법에 무관하다. 실제로, 상술된 압축 해제 방법의 모든 단계들은 상기 압축 방법에 무관하다. 상기 압축 방법을 변화시키는 것은 어떻게 압축 이미지 데이터 파일들을 계산하는지를 변화시키고, GOF가 어떻게 사용되고 최적화되는지에 대한 항목을 변화시킬 수 있으면서, 상기 압축 방법을 변화시키는 것은 이미지의 PIXON^® 모델링(modeling)의 전반적인 접근법을 변화시키기 않고, 동시에 PIXON^® 압축 해제 이미지의 최적화를 변화시키지 않는다.The PIXON ^® decompression design described above can move on to a wide range of industry-standard compression methods. In various embodiments, the approach is based on the fact that an industry-standard compression method for compressing a smooth test image or an original image for their respective compressed image data file is arbitrary. As such, the industry-standard compression method may be a compression approach, for example MPEG-2, MPEG-4, MOV, AVI, or H.264. Also, PIXON ^® test, i.e., evaluation of the GOF of the test compressed image data file 2006 to the original compressed image data file is independent of the compression method. Indeed, all the steps of the decompression method described above are independent of the compression method. Changing the compression method can change how the computed compressed image data files are calculated and can change the items on how GOF is used and optimized, while changing the compression method is the overall of the PIXON ^® modeling of the image. without changing the approach, and does not change at the same time an optimization of the PIXON ^® decompressed image.

도 6-9는 서로 다른 타입의 이미지들에 대한 독창적인 PIXON^® 압축 해제 방법의 적용의 일례를 제공한다.6-9 provide an example of the application of the inventive PIXON ^® decompression method to different types of images.

도 6a 및 6b는 텔레비전 방송으로부터 MJPEG 프레임의 산업-표준형 압축 해제 방법 및 PIXON^® 압축 해제 방법 각각의 결과 비교를 제공한다.Figure 6a and 6b of the MJPEG frame from a television broadcast industry - and provides the results of each standard decompression method and the PIXON ^® decompression method comparison.

도 7a 및 7b는 산업-표준형 JPEG 압축 해제(도 7a)에 비교된 스틸 이미지 카메라에 의해 생성된 이미지의 PIXON^® 압축 해제(도 7b)의 일례를 제공한다.7a and 7b are industry-provides an example of a standard JPEG decompression (FIG. 7a) a still image of PIXON ^® decompression (FIG. 7b) of the image produced by the camera compared to.

도 8a 및 8b는 산업-표준형 JPEG 압축을 사용하여 원래 압축된 열적외선 이미지의 JPEG 및 PIXON^® 압축 해제 각각의 결과의 일례이다. 적외선 이미지는 열 누출의 점검을 위해 종종 사용되고, 인공물 및 노이즈는 이미지의 정확한 판단을 방해핼 수 있다.8A and 8B are examples of the results of JPEG and PIXON ^® decompression, respectively, of a thermal infrared image originally compressed using industry-standard JPEG compression. Infrared images are often used to check for heat leaks, and artifacts and noise can interfere with accurate judgment of the image.

도 9a 및 9b는 군용 또는 법의 집행(law enforcement) 적용에서 사용될 수도 있는 야간 투시경 장비에 의해 생성된 이미지의 산업-표준형 압축 해제 및 PIXON^® 압축 해제 각각의 결과의 일례이다.9A and 9B are examples of the results of industry-standard decompression and PIXON ^® decompression, respectively, of images generated by night vision equipment that may be used in military or law enforcement applications.

도 10은 이미지 보간법에 기반한 PIXON^® 이미지 압축 절차의 단계를 제시한다. PIXON^® 방법은 이미지들 내에 정보 밀도를 식별하여, 이미지 압축에 대하 일반적 프레임웍(framework)을 제공하고, 즉 이미지 표현에 대한 간결하고 자연스런 언어를 발견하는 잠재성을 제공한다. PIXON^® 방법들을 사용하여 이미지를 압축하기 위해서, 이미지를 표현하는 간결한 언어는 PIXON^® 맵에서 나타난 PIXON^® 커널들에 의해 스무스하게 된 슈더-이미지를 표현하는 언어로부터 분리되는 것이 필요하다. 언어의 구조에서 정보의 정도를 절대적으로 보다 크게 행할 수 있고, 사용할 수 있는 가능한 한 하나의 언어는 이미지 보간법이다. 보간법의 다양한 형태가 사용될 수 있는 반면에, 노트 포인트들 사이의 선형 보간법을 통해 이미지의 모델을 구성하는 간단한 보간법 방법의 일례를 고려할 수 있다. 노트 포인트들은 PIXON^® 맵에 의해 제공된 바와 같이 사진 정보 밀도에 기반하여 선택될 수 있다. 다항식 적합성(polynomial fitting)의 적합한 방법은 노트 포인트들, 예를 들면 큐빅 스파인들(cubic splines)(B-스파인들 등) 사이를 보간하기(interpolating) 위해 사용될 수 있다. 기술분야에서 공지된 바와 같이, 2 차원(2-D) 이미지 처리는 자주 보간법을 위한 스파인(spline) 함수를 사용한다. 대안적으로, 커브 적합성(curve fit)이 사용될 수 있다(예를 들면 선형 또는 2차 적합성).10 shows the steps of the PIXON ^® image compression procedure based on image interpolation. The PIXON ^® method identifies the information density in images, providing a general framework for image compression, i.e. the potential to discover a concise and natural language for image representation. In order to compress the image using the PIXON ^® method, concise language representing the image of the syudeo smoothly by the PIXON ^® kernel shown in PIXON ^® map - needs to be separated from the language representing an image. The degree of information can be made absolutely greater in the structure of the language, and one possible language that can be used is image interpolation. While various forms of interpolation can be used, one can consider an example of a simple interpolation method for constructing a model of an image through linear interpolation between note points. Note points may be selected based on photographic information density as provided by the PIXON ^® map. Suitable methods of polynomial fitting can be used for interpolating between note points, for example cubic splines (B-spines, etc.). As is known in the art, two-dimensional (2-D) image processing often uses a spline function for interpolation. Alternatively, curve fit may be used (eg linear or secondary fit).

노트 포인트들에 대해 초기에 근접한 것이 발견되면, 노트 포인트들은 알고리즘, 예를 들면, 단순형 최소 알고리즘(simplex minimization algorithm)에 의해 최적화될 수 있다. 단순형 최소 알고리즘은 이러한 모든 차원에 걸친 차원의 주어진 수에서 가장 간단한 기하학적 형태, 예를 들면, 2 차원의 삼각형을 획득할 수 있다. 단순형 최소 알고리즘은 단순한 형태로 구성되고, 개별적인 꼭지점에 변환 및 치수화의 기본적인 설정을 적용하여, 주어진 n-차수 공간을 통한 주위에서 그들을 이동시킨다. 이러한 동작은, 단순한 형태가 공간 내에서 정의된 국부 최소의 비용 함수(cost function)(적합도 또는 장점 함수(merit function))를 일괄하여 다룰때(bracket)까지 연속된다. 각각의 변환 또는 치수화한 후, 비용 함수는 새로운 꼭지점 위치에서 계산되어, 다음 단계에서 적용되는 변환/치수화 동작, 및 이를 꼭지점에 적용하는 것을 결정한다. 상기 기술은 각 노트 포인트들에 차례로 적용되어, 최적화된 노트 포인트들의 새로운 세트를 생성시킨다.If an initial proximity is found for the note points, the note points can be optimized by an algorithm, for example a simple minimization algorithm. The simple minimal algorithm can obtain the simplest geometric shape, eg, a two-dimensional triangle, at a given number of dimensions across all these dimensions. Simple minimal algorithms are constructed in simple form and apply basic settings of transformation and dimensioning to individual vertices, moving them around in a given n-order space. This operation continues until the simple form brackets the local minimum cost function (fit or fit function) defined in space. After each transform or dimensioning, the cost function is calculated at the new vertex position to determine the transform / dimensioning operation applied in the next step, and to apply it to the vertex. The technique is applied to each note point in turn, creating a new set of optimized note points.

이 절차의 단계에 대한 순서도는 도 10에서 제공된다. 본 발명에 따라서, 압축에 대한 보간법 접근법은 압축되는 원본 이미지 파일의 입력으로 시작된다(단계 8000). PIXON^® 방법은 원본 이미지 내에서 정보 밀도를 식별하고 노트 포인트들의 수 및 위치를 구성하는 초기 조건을 규정하기 위해 사용된다(단계 8001). 단 계 8002는 노트 포인트들의 수를 점차적으로 감소시키는 반복 처리에 대한 시작 포인트들이다. 단계 8003에서, 노트 포인트 위치 및 강도는, 이미지의 각 위치에서 원본 이미지에 대해 보간된 테스트 이미지(ITI)의 GOF가 최소화되도록, 최적화된다. 그 후, 단계 8004에서, 노트 포인트들의 수는, 이미지 내의 각 위치에서, 원본 이미지에 비교된 ITI의 GOF가 소정의 공차에 가능한 한 가깝지만 상기 소정의 공차를 초과하지 않을 때까지, 감소된다. 단계 8006에서, 새로운 노트 포인트들(또는 노트 포인트의 이웃)은 테스트된다. 새로운 노트 포인트 최적화가 GOF 기준을 만족하는 경우, 단계들(8000, 8002 및 8004)은 반복된다. 그렇지 않은 경우, 마지막 이전(last prior)에 보간된 이미지가 PIXON^® 압축된 이미지로서 사용하기 위해 선택되고, 상기 처리는 종료된다. 그 후, 압축된 이미지는 메모리에 저장될 수 있거나, 또는 전송, 저장 또는 다른 동작을 위한 외부 장치와 통신이 될 수 있다.A flow chart for the steps of this procedure is provided in FIG. According to the invention, the interpolation approach to compression begins with the input of the original image file being compressed (step 8000). The PIXON ^® method is used to identify the density of information within the original image and to define the initial conditions that make up the number and location of note points (step 8001). Step 8002 is starting points for the iterative process that gradually reduces the number of note points. In step 8003, note point location and intensity are optimized such that the GOF of the interpolated test image (ITI) for the original image at each location of the image is minimized. Then, in step 8004, the number of note points is reduced at each position in the image until the GOF of the ITI compared to the original image is as close as possible to the predetermined tolerance but does not exceed the predetermined tolerance. In step 8006, the new note points (or neighbors of the note points) are tested. If the new note point optimization satisfies the GOF criterion, steps 8000, 8002 and 8004 are repeated. Otherwise, the image interpolation in the last previous (last prior) is selected for use as the compressed image ^® PIXON, the process is ended. The compressed image can then be stored in memory or in communication with an external device for transmission, storage or other operation.

도 11a-11e는 "레나(Lena)"의 널리 사용된 테스트 이미지에 대한 독창적인 보간법 설계의 적용의 일례를 제시한다. 도 11a는 원본 이미지를 제시하고, 도 11b는 노트 포인트 위치들을 제시하고, 도 11c는 선형 3 각 측량법(linear triangulation) 및 보간법에 대한 보간법 그리드를 제시한다. 도 11d 및 11e는 대략 동일한 압축비로, 표준형 JPEG 및 PIXON^®으로 발생된 이미지들 각각을 제시한다. 여러 실시예들에 있어서, 표준형 압축 방법들은 PIXON^® 방법 개념에 기반하여 보간법의 복잡성에 의한 보간법 설계의 사용 및 보간법의 최적화를 허용하는 노트 포인트 데이터를 인코딩하기 위해 사용될 수 있다. 노트 포인트들의 밀도는 이미지 정보의 밀도를 제어하고, PIXON^® 맵을 나타낸다.11A-11E show an example of the application of the original interpolation design to widely used test images of "Lena". FIG. 11A shows the original image, FIG. 11B shows the note point positions, and FIG. 11C shows the interpolation grid for linear triangulation and interpolation. 11D and 11E show images generated with standard JPEG and PIXON ^® , respectively, at approximately the same compression ratio. In various embodiments, standard compression methods can be used to encode note point data that allows for the use of interpolation design by the complexity of interpolation and optimization of interpolation based on the PIXON ^® method concept. The density of note points controls the density of image information and represents a PIXON ^® map.

상술된 이미지 보간법 압축 설계는 PIXON^® 방법에 의해 제공된 이미지 정보 밀도의 지식을 이용하는 단지 한가지 가능한 방법이다. 근래에 많은 설계들이 있을 수 있는데, 가능한 압축 설계의 또 다른 일례는 압축을 양자화된 DCT들(또는 다른 변형)에 기반하는 단계, 위치 기반에 의해 위치에 양자화의 레벨을 변화시키기 위해 정보 밀도의 지식을 사용함으로써, 상기와 같은 방법들을 변경하는 단계를 포함한다. 설명하기 위해서, 8x8 픽셀 DCT 박스들(boxes)을 사용하고 16 개의 서로 다른 양자화 매트릭스들(quantization matrices)을 선택하는 경우, PIXON^® 분석은 양자화 매트릭스가 8x8 픽셀 박스들의 각각에 적당한지를 판별하기 위해 사용될 수 있다. 이 추가적인 정보는 상대적으로 작을 수 있고, 16 개의 8x8 Q 매트릭스들(또는 1 개의 Q 매트릭스 및 15 개의 치수화 팩터들(factors)), 및 원본 이미지보다 64배로 적은 픽셀을 가진 4-비트 이미지일 수 있다. Q 매트릭스들(또는 스케일 팩터들)의 서로 다른 수뿐만 아니라 다른 DCT 박스 크기들(또는 박스 크기들의 조합)도 사용될 수 있다. PIXON^® 맵도 각 위치에서 DCT 박스의 적당한 크기를 선택하기 위해 사용될 수 있다.The image interpolation compression design described above is only one possible way of utilizing the knowledge of the image information density provided by the PIXON ^® method. There may be many designs in recent years, another example of a possible compression design is the step of compressing based on quantized DCTs (or other variations), knowledge of information density to change the level of quantization at location by location based By using, changing the above methods. To illustrate, if you use 8x8 pixel DCT boxes and select 16 different quantization matrices, PIXON ^® analysis will be used to determine if the quantization matrix is appropriate for each of the 8x8 pixel boxes. Can be. This additional information may be relatively small and may be a four-bit image with sixteen 8x8 Q matrices (or one Q matrix and fifteen dimensioning factors) and 64 times fewer pixels than the original image. have. Different DCT box sizes (or combinations of box sizes) as well as different numbers of Q matrices (or scale factors) may be used. PIXON ^® maps can also be used to select the appropriate size of the DCT box at each location.

상술된 절차를 사용하여 발생된 압축 데이터 파일의 압축 해제는 수월하다. 우선, 노트 위치 및 강도 데이터는 압축 해제되어야 한다. 상술된 바와 같이, 이 데이터는 일반적으로 일련의 강도 값(노트 강도 값) 및 공간 좌표의 세트(노트 포인트 위치)에 대한 수많은 표준형 압축 설계로 압축될 수 있다. 이 데이터가 제어하에(in hand) 있다면, 규정된 보간법 설계에 따른 보간된 이미지를 간단하게 구성된 후 정지된다. 상술된 압축 해제-전용 PIXON® 설계들과 달리, 최적화는 실행되지 않는다. 결과적으로 압축 해제 단계는 매우 빠르다.Decompression of the compressed data file generated using the procedure described above is easy. First, note position and intensity data must be decompressed. As mentioned above, this data can generally be compressed into a number of standard compression designs for a series of intensity values (note intensity values) and a set of spatial coordinates (note point location). If this data is in hand, the interpolated image according to the prescribed interpolation design is simply constructed and then stopped. Unlike the decompression-only PIXON® designs described above, optimization is not performed. As a result, the decompression step is very fast.

PIXON^® 방법에 의해 제공된 사진 정보의 밀도의 지식은 현재 방법들을 변형하기 위해서 그리고 이미지 압축 및 압축 해제의 완전한 새로운 방법들을 고안하기 위해, 다양한 방식으로 사용될 수 있다. 이미지 보간법 설계들에 대한 노트 포인트들의 밀도를 발견하기 위해 사용될 수 있다. DCT-기반 압축 설계들에 대한 박스 크기 및 양자화 레벨들을 판별하기 위해 사용될 수도 있다. 정보 밀도의 지식은 팩터가 설계를 효과 있게 하고, PIXON^® 분석 없이 가능한 한 보다 높은 압축의 비율에 이르게 할 수 있는 요소(key)이다.Knowledge of the density of photographic information provided by the PIXON ^® method can be used in a variety of ways, to modify current methods and to devise completely new methods of image compression and decompression. Can be used to find the density of note points for image interpolation designs. It may be used to determine box size and quantization levels for DCT-based compression designs. Knowledge of information density is a key that allows the factor to make the design effective and lead to higher compression rates as much as possible without PIXON ^® analysis.

사진 정보 밀도를 계측하고 제어하는 PIXON^® 방법의 능력은 이미지 압축 해제 및 압축에서의 상당한 진보가 구현되는 능력을 제공한다. 가장 단순한 설계들은 이미지 압축 해제만을 포함한다. 상기와 같은 설계들에 있어서, 존재하는 압축 방법들(예를 들면, JPEG, MPEG, H.264)로 압축된 이미지들은 인공물(블럭 및 모스퀴) 발생에 보다 크게 저항하기 위해 PIXON^® 접근법에 의해 압축 해제될 수 있다. 이는 동일한 이미지들 또는 비디오가 매우 큰 정도로 압축되게 하면서, 동일한 이 미지 품질을 여전하게 이룰 수 있다. PIXON^® 압축 해제는 또한 압축 처리에서 손실된 이미지 정보를 회복시키는 능력을 제공한다. 이 정보의 회복은 가장 간단한 설계들에 관해 추가적인 계산을 요구하고, 그리고 회절(diffraction)에 제한된 이미지의 이미지 복원 동안 데이터에 포함되지 않은 공간 주파수 상의 정보를 회복시키는 PIXON^® 방법의 능력과 유사하다. 최종적으로, PIXON^® 방법의 원리는 최소의 복잡성 이미지 보간법 또는 사진 정보 밀도의 지식의 다른 응용에 기반하여 전체적으로 새롭고 매우 효과가 있는 이미지 압축 방법을 개선시키기 위해 사용될 수 있다.The ability of the PIXON ^® method to measure and control photographic information density provides the ability to implement significant advances in image decompression and compression. The simplest designs include only image decompression. In such designs, images compressed with existing compression methods (e.g., JPEG, MPEG, H.264) can be applied by the PIXON ^® approach to further resist artifact (block and mosqui) generation. Can be decompressed. This allows the same images or video to be compressed to a very large extent while still achieving the same image quality. PIXON ^® decompression also provides the ability to recover image information lost in the compression process. The recovery of this information requires additional calculations on the simplest designs, and is similar to the ability of the PIXON ^® method to recover information on spatial frequencies that are not included in the data during image reconstruction of images limited to diffraction. Finally, the principles of the PIXON ^® method can be used to improve the overall new and very effective image compression method based on minimal complexity image interpolation or other application of knowledge of photo information density.

본 발명의 다양한 실행은 전자 하드웨어, 컴퓨터 소프트웨어 또는 이러한 기술들의 조합으로 실현된다. 몇몇 실행은 하나 이상의 계산 장치들에 의해 행해지게 되는 하나 이상의 컴퓨터 프로그램들을 포함한다. 일반적으로, 각 컴퓨터는 하나 이상의 프로세서, 하나 이상의 데이터-저장 구성요소(예를 들면, 휘발성 또는 비-휘발성 메모리 모듈들 및 하드 및 플로피 디스크 드라이브들, CD-ROM 드라이브들 및 자기 테입 드라이브들 등의 영구적 광학 저장 장치들 및 자기 저장 장치들), 하나 이상의 입력 장치(예를 들면, 유저 인터페이스들, 마우스들 또는 트랙볼들(trackballs) 및 키보드들), 및 하나 이상의 출력 장치들(예를 들면, 디스플레이 콘솔들(display consoles) 및 프린터들)을 포함한다.Various implementations of the invention are realized in electronic hardware, computer software, or a combination of these techniques. Some implementations include one or more computer programs to be performed by one or more computing devices. In general, each computer includes one or more processors, one or more data-storage components (eg, volatile or non-volatile memory modules and hard and floppy disk drives, CD-ROM drives and magnetic tape drives, etc.). Permanent optical storage devices and magnetic storage devices), one or more input devices (eg, user interfaces, mice or trackballs and keyboards), and one or more output devices (eg, a display) Display consoles and printers).

컴퓨터 프로그램들은 영구적 저장 매체에서 일반적으로 저장된 후, 런-타임(run-time)으로 메모리 내에 복제된 실행가능한 코드를 포함한다. 적어도 하나 의 프로세서는 미리 정해진 순서로 메모리로부터 프로그램 명령들을 검색함으로써 상기 코드를 실행한다. 컴퓨터 코드가 실행될 시, 컴퓨터는 입력 및/또는 저장 장치들로부터 데이터를 수신하고, 데이터에 관한 동작을 실행시키고, 그 후, 결과 데이터를 출력 및/또는 저장 장치들에 전송한다.Computer programs include executable code that is generally stored on a permanent storage medium and then copied into memory at run-time. At least one processor executes the code by retrieving program instructions from memory in a predetermined order. When the computer code is executed, the computer receives data from input and / or storage devices, executes operations on the data, and then sends the resulting data to output and / or storage devices.

본 발명의 다양한 일례가 되는 실행을 기술하였지만, 그러나, 기술 분야의 당업자라면, 또한 추가적인 실행들이 가능하고 본 발명의 권리 범위 내에 있다는 것을 이해할 것이다.While various exemplary embodiments of the present invention have been described, however, one of ordinary skill in the art will understand that further implementations are possible and within the scope of the present invention.

이에 따라서, 본 발명은 상술된 상기와 같은 실행들에만 국한되지 않는다. 기술 분야의 당업자라면, 본원에서 개시된 상술된 도면들 및 실행들과 관련하여 기술된 다양한 일례가 되는 모듈들 및 방법 단계들이 전자 하드웨어, 소프트웨어, 펌웨어 또는 앞서 말한 조합들로 종종 실행될 수 있다는 것을 인식할 것이다. 하드웨어 및 소프트웨어의 교환성을 분명하게 설명하기 위해서, 다양한 일례가 되는 모듈들 및 방법 단계들은 일반적으로 그들의 상관성에 의해 개시되어 왔다. 상기와 같은 상관성이 하드웨어 또는 소프트웨어로서 실행되는지는 특별한 적용 및 전체 시스템 상에 부과된 설계 제한에 따라 달라진다. 당업자들은 각각의 특별한 적용에 대해 다양한 방식으로 기술된 상관성을 실행할 수 있지만, 그러나 상기와 같은 실행 결정은 본 발명의 권리 범위로부터 이탈을 일으키는 것으로서, 해석되지 않아야 한다. 추가로, 모듈 또는 단계 내의 기능의 분류는 각각의 설명에 대한 것이다. 특정 기능들은 본 발명의 벗어남 없이 하나의 모듈 또는 단계로부터 또 다른 모듈 또는 단계까지 이동될 수 있다.Accordingly, the present invention is not limited to the above implementations. Those skilled in the art will recognize that the various illustrative modules and method steps described in connection with the above-described drawings and implementations disclosed herein can often be implemented in electronic hardware, software, firmware or the foregoing combinations. will be. To clearly illustrate the interchangeability of hardware and software, various illustrative modules and method steps have been disclosed generally in terms of their correlation. Whether such correlation is implemented as hardware or software depends on the particular application and design constraints imposed on the overall system. Skilled artisans may implement the described correlations in varying ways for each particular application, but such implementation decisions should not be interpreted as causing a departure from the scope of the present invention. In addition, the classification of functions within a module or step is for each description. Certain functions may be moved from one module or step to another without departing from the invention.

게다가, 본원에서 개시된 실행들에 관련된 기술된, 다양한 일례가 되는 모듈들 및 방법 단계들은 일반 목적용 프로세서, 디지털 신호 프로세서("DSP"), 특정용도 주문형 반도체(application specific integrated circuit, "ASIC"), 필드 프로그램가능한 게이트 어레이(field programmable gate array, "FPGA") 또는 다른 프로그램가능한 로직(logic) 장치, 이산 게이트(discrete gate) 또는 트랜지스터 로직, 이산 하드웨어 구성요소, 또는 본원에서 기술된 기능들을 실행하기 위해 설계된 이들의 조합으로 실행되거나 행해질 수 있다. 일반 목적용 프로세서는 마이크로프로세서일 수 있지만, 그러나 대안적으로 상기 프로세서는 여러 프로세서, 제어기, 마이크로제어기, 또는 상태 기계장치(state machine)일 수 있다. 프로세서는 계산 장치들, 예를 들면, DSP 및 마이크로프로세서의 조합, 복수의 마이크로프로세서들, DSP 코어(core)에 관련된 하나 이상의 마이크로프로세서들 또는 상기와 같은 다른 구조로서 실행될 수도 있다.In addition, the various illustrative modules and method steps described in connection with the implementations disclosed herein include a general purpose processor, a digital signal processor ("DSP"), an application specific integrated circuit ("ASIC"), and the like. Executing a field programmable gate array ("FPGA") or other programmable logic device, discrete gate or transistor logic, discrete hardware components, or the functions described herein. It can be carried out or done in a combination of these designed for. A general purpose processor may be a microprocessor, but in the alternative, the processor may be a variety of processors, controllers, microcontrollers, or state machines. A processor may be implemented as a computing device, eg, a combination of a DSP and a microprocessor, a plurality of microprocessors, one or more microprocessors related to a DSP core, or other structure as described above.

추가로, 본원에서 개시된 실행들에 관련하여 기술된 방법 또는 알고리즘의 단계들은 하드웨어에서, 프로세서에 의해 실행된 소프트웨어 모듈에서, 또는 이들 2 개의 조합에서 직접적으로 구체화될 수 있다. 소프트웨어 모듈은 RAM 메모리, 플래시(flash) 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터들(registers), 하드 디스크, 제거가능한 디스크, CD-ROM, 또는 네트워크 저장 매체를 포함하는 저장 매체의 다른 여러 형태로 있을 수 있다. 대표적인 저장 매체는 프로세서에 연결될 수 있어서, 상기 프로세서는 저장 매체로부터 정보를 판독할 수 있고, 상기 저장 매체에 정보를 기입할 수 있다. 대안적으로, 저장 매체는 프 로세서에 집적화될 수 있다. 상기 프로세서 및 상기 저장 매체는 ASIC에 있을 수도 있다.In addition, the steps of a method or algorithm described in connection with the implementations disclosed herein may be embodied directly in hardware, in a software module executed by a processor, or in a combination of the two. The software module may be RAM memory, flash memory, ROM memory, EPROM memory, EEPROM memory, registers, hard disk, removable disk, CD-ROM, or other various storage media including network storage media. May be in the form. An exemplary storage medium can be coupled to the processor such that the processor can read information from and write information to the storage medium. In the alternative, the storage medium may be integral to the processor. The processor and the storage medium may be in an ASIC.

개시된 실행들의 상기의 설명은 기술분야의 당업자가 본 발명을 구현하거나 사용할 수 있도록 제공된다. 이러한 실행들에 대한 다양한 변형들은 기술 분야의 당업자에게는 손쉽게 명백해질 수 있고, 그리고 본원에서 기술된 일반적인 원리들은 본 발명의 사상 또는 권리 범위로부터 벗어남 없이 다른 실행들에 적용될 수 있다. 이로써, 본원에 제시된 설명 및 도면들이 본 발명의 일례의 실행들을 나타내어 본 발명에 의해 넓게 숙고된 주제 내용을 나타낸다는 것을 이해하여야 한다. 본 발명의 권리 범위가 다른 실행들을 완전하게 포함할 수 있다는 것과, 그리고 본 발명의 권리 범위가 이에 따라서 첨부된 청구항들 외에는 어떠한 것에도 제한되지 않는다는 것을 더 이해하여야 한다.The previous description of the disclosed implementations is provided to enable any person skilled in the art to make or use the present invention. Various modifications to these implementations may be readily apparent to those skilled in the art, and the generic principles described herein may be applied to other implementations without departing from the spirit or scope of the invention. As such, it should be understood that the description and drawings presented herein represent exemplary implementations of the present invention to represent subject matter broadly contemplated by the present invention. It should be further understood that the scope of the present invention may fully include other implementations, and that the scope of the present invention is therefore not limited to anything other than the appended claims.

Claims (16)

공지된 압축 기술을 사용하여 원본으로(originally) 압축된 이미지를, 압축 해제하는 방법에 있어서, 상기 방법은:In a method for decompressing an image originally compressed using a known compression technique, the method includes: 이미지 데이터에 대응하는 복수의 위치들을 가지는 원본 압축 이미지 파일을, PIXON^® 방법을 실행하기 위해 메모리 및 상기 메모리에 저장된 소프트웨어를 가지는 프로세서에 입력하는 단계;Inputting an original compressed image file having a plurality of locations corresponding to the image data into a processor having a memory and software stored in the memory to execute a PIXON ^® method; 복수의 서로 다른 크기 PIXON^® 커널들을, 상기 복수의 서로 다른 크기 PIXON^® 커널들 중 가장 작은 크기 커널로 시작되는 시작 이미지의 각 위치에 반복적으로 적용함으로써, 복수의 스무스 테스트 이미지들을 해 공간 내에서 발생시키는 단계;Generating a plurality of different size PIXON ^® kernel, by repeatedly applied to each location of the starting image beginning with the smallest size kernel of the plurality of different size PIXON ^® kernel, by a plurality of smooth test images within a space Making a step; 상기 공지된 압축 기술을 사용하여 각각의 스무스 테스트 이미지를 압축하고, 그리고 압축된 스무스 테스트 이미지의 적합도를 상기 원본 압축 이미지 파일의 각 위치에 대해 판별하는 단계;Compressing each smooth test image using the known compression technique, and determining a goodness of fit of the compressed smooth test image for each location of the original compressed image file; 각 위치마다, 소정의 적합도 기준을 통과한 가장 큰 크기 커널을 가지는 스무스 테스트 이미지를 선택하는 단계; 및Selecting, at each position, a smooth test image having the largest size kernel that passed a predetermined goodness criterion; And 선택된 스무스 테스트 이미지를, 디스플레이 장치 상에 표시하는 최적화된 압축 해제 이미지로서 출력하는 단계를 포함하는 것을 특징으로 하는 방법.Outputting the selected smooth test image as an optimized decompressed image for display on a display device. 제 1 항에 있어서,The method of claim 1, 슈더-이미지 및 PIXON^® 맵이 수렴될 때까지, 상기 슈터 이미지의 최적화와 상기 PIXON^® 맵의 최적화를 번갈아 일어나게 함으로써, 상기 복수의 스무스 테스트 이미지들은 발생되는 것을 특징으로 하는 방법.And a plurality of smooth test images are generated by alternating the optimization of the shooter image and the optimization of the PIXON ^® map until a shooter-image and a PIXON ^® map converge. 제 1 항에 있어서,The method of claim 1, 상기 시작 이미지는, 공지된 압축 방법에 대응하는 압축 해제 방법을 사용하여 상기 원본 압축 이미지 파일을 압축 해제함으로써 획득된 초기의 압축 해제 이미지인 것을 특징으로 하는 방법.The starting image is an initial decompressed image obtained by decompressing the original compressed image file using a decompression method corresponding to a known compression method. 제 3 항에 있어서,The method of claim 3, wherein 상기 복수의 스무스 테스트 이미지들은, 상기 복수의 서로 다른 크기 PIXON^® 커널들로부터 점차적으로 커가는 PIXON^® 커널들을 사용하여 상기 초기의 압축 해제 이미지를 반복적으로 컨볼루션함(convolving)으로써 발생되는 것을 특징으로 하는 방법.Wherein the plurality of smooth test images are generated by repeatedly convolving the initial decompressed image using PIXON ^® kernels that gradually grow from the plurality of different size PIXON ^® kernels. How to. 산업-표준형 압축 방법을 사용하여 원본으로 압축된 이미지를, 압축 해제하는 방법에 있어서, 상기 방법은:In a method for decompressing an image compressed into an original using an industry-standard compression method, the method includes: 이미지 데이터에 대응하는 복수의 위치들을 가지는 원본 압축 이미지 파일 을, 이미지를 압축 해제하고 PIXON^® 방법을 실행하기 위해 메모리 및 상기 메모리에 저장된 소프트웨어를 가지는 프로세서에 입력하는 단계;Inputting an original compressed image file having a plurality of locations corresponding to the image data into a processor having a memory and software stored in the memory to decompress the image and to execute the PIXON ^® method; 원본 압축 해제 이미지 데이터 파일을 생성하기 위해, 해당 산업-표준형 압축 해제 방법을 사용하여 원본 압축 이미지를 압축 해제하는 단계;Decompressing the original compressed image using the industry-standard decompression method to generate an original decompressed image data file; 산업 표준형 압축 해제 파일로 PIXON^® 압축 해제 이미지를 초기화시키는 단계;Initializing the PIXON ^® decompression image with the industry standard decompression file; 제 1 스무스 테스트 이미지를 생성하기 위해, 복수의 서로 다른 커널들로부터 선택된 가장 작은 커널을 사용하여 원본 압축 해제 이미지를 스무스하는 단계;Smoothing the original decompressed image using the smallest kernel selected from a plurality of different kernels to produce a first smooth test image; 상기 산업-표준형 압축 방법을 사용하여 상기 제 1 스무스 테스트 이미지를 압축하는 단계;Compressing the first smooth test image using the industry-standard compression method; 상기 원본 압축 이미지 파일 내의 복수의 위치들 각각에서 소정의 공차 내에서 적합도를 판별하기 위해서, 압축된 제 1 후보 이미지를 상기 원본 압축 이미지 파일에 비교하는 단계;Comparing the compressed first candidate image to the original compressed image file to determine a goodness of fit within a predetermined tolerance at each of a plurality of locations in the original compressed image file; 상기 적합도가 상기 소정의 공차 내에 있는 각 위치에 대해 PIXON^® 압축 해제 이미지로서 상기 제 1 스무스 테스트 이미지를 수용하고, 모든 다른 위치들에서 변화되지 않은 상기 PIXON^® 압축 해제 이미지를 남겨두는 단계;Placing said fit the left the first smooth the PIXON ^® decompressed image receiving a test image, and is not changed in any other position as the PIXON ^® decompressed image for each location within the predetermined tolerance; 상기 스무스하는 단계를 실행하고, 복수의 서로 다른 후보 이미지들을 생성하기 위해 상기 복수의 서로 다른 커널들 중 남아있는 커널마다 비교하는 단계(각 반복 다음에, 해당 스무스 테스트 이미지는 상기 적합도가 상기 소정의 공차 내에 있는 각 위치에서 상기 PIXON^® 압축 해제 이미지로서 수용되고, 모든 다른 위치들은 이전의 PIXON^® 압축 해제 이미지와 함께 남아있고, 그리고 결과적인 PIXON^® 압축 해제 이미지는 최종 반복 이후에 있음);Executing the smoothing step, and comparing each remaining kernel of the plurality of different kernels to generate a plurality of different candidate images (after each iteration, the smooth test image is subjected to Received as the PIXON ^® decompression image at each position within tolerance, all other locations remain with the previous PIXON ^® decompression image, and the resulting PIXON ^® decompression image is after the last iteration); 상기 결과적인 PIXON^® 압축 해제 이미지를 상기 메모리에 저장하는 단계; 및Storing the resulting PIXON ^® decompressed image in the memory; And 상기 결과적인 PIXON^® 압축 해제 이미지를 디스플레이 장치에 출력하는 단계를 포함하는 것을 특징으로 하는 방법.Method comprising the step of outputting the resulting PIXON ^® decompressed image to display device. 제 5 항에 있어서,The method of claim 5, 상기 복수의 위치들은 픽셀들을 포함하는 것을 특징으로 하는 방법.And wherein the plurality of locations comprise pixels. 제 5 항에 있어서,The method of claim 5, 상기 복수의 위치들은 픽셀들의 블럭을 포함하는 것을 특징으로 하는 방법.And wherein the plurality of locations comprise a block of pixels. 제 5 항에 있어서,The method of claim 5, 상기 스무스하는 단계 및 상기 비교하는 단계는 복수의 커널들의 모든 커널들에 대해 병렬로 실행되는 것을 특징으로 하는 방법.Said smoothing and comparing are executed in parallel for all kernels of a plurality of kernels. 공지된 압축 방법을 사용하여 압축되는 압축 이미지 파일로부터, 압축 해제 이미지를 발생시키는 방법에 있어서, 상기 방법은:In a method for generating a decompressed image from a compressed image file that is compressed using a known compression method, the method includes: 복수의 이미지 위치들을 가지는 원본 압축 이미지 파일을 프로세서에 입력하는 단계(각 이미지 위치는 상기 이미지 파일 내에서 이미지 데이터에 대응하고, 상기 프로세서는 복수의 서로 다른 커널들을 사용하여 이미지를 압축 해제하고 PIXON^® 방법을 실행하기 위해, 메모리에 저장된 소프트웨어를 가진 상기 메모리와 통신이됨);Inputting an original compressed image file having a plurality of images located in the processor (each image location corresponding to image data within the image file, and release the processor compresses the image using a plurality of different kernels and PIXON ^® In communication with the memory having software stored in the memory to execute the method); 원본 압축 해제 이미지 데이터 파일을 생성하기 위해, 상기 공지된 압축 방법에 대응하는 압축 해제 방법을 사용하여 원본 압축 이미지를 압축 해제하는 단계; Decompressing the original compressed image using a decompression method corresponding to the known compression method to generate an original decompressed image data file; 산업 표준형 압축 해제 파일로 PIXON^® 압축 해제 이미지를 초기화시키는 단계;Initializing the PIXON ^® decompression image with the industry standard decompression file; 제 1 스무스 테스트 이미지를 생성하기 위해, 복수의 서로 다른 커널들로부터 선택된 가장 작은 커널을 사용하여 상기 원본 압축 해제 이미지 파일을 스무스하는 단계; Smoothing the original decompressed image file using the smallest kernel selected from a plurality of different kernels to produce a first smooth test image; 산업-표준형 압축 방법을 사용하여 상기 제 1 스무스 테스트 이미지를 압축하는 단계;Compressing the first smooth test image using an industry-standard compression method; 상기 원본 압축 이미지 파일 내의 복수의 위치들 각각에서 소정의 공차 내에 서 적합도를 판별하기 위해서, 압축된 제 1 스무스 테스트 이미지를 상기 원본 압축 이미지 파일에 비교하는 단계;Comparing a compressed first smooth test image to the original compressed image file to determine a goodness of fit within a predetermined tolerance at each of a plurality of locations in the original compressed image file; 상기 적합도가 상기 소정의 공차 내에 있는 각 위치에 대해 PIXON^® 압축 해제 이미지로서 상기 제 1 스무스 테스트 이미지를 수용하고, 모든 다른 위치들에서 변화되지 않은 상기 PIXON^® 압축 해제 이미지를 남겨두는 단계;Placing said fit the left the first smooth the PIXON ^® decompressed image receiving a test image, and is not changed in any other position as the PIXON ^® decompressed image for each location within the predetermined tolerance; 상기 수용하는 단계 이전 또는 이후에, 상기 스무스하는 단계를 실행하고, 복수의 서로 다른 스무스 테스트 이미지들을 생성하기 위해, 상기 복수의 서로 다른 커널들의 커널들 중 남아있는 커널마다 비교하는 단계(각 반복 다음에, 해당 스무스 테스트 이미지는 상기 적합도가 상기 소정의 공차 내에 있는 각 위치에서 상기 PIXON^® 압축 해제 이미지로서 수용되고, 모든 다른 위치들은 이전의 후보 이미지와 함께 남아있고, 그리고 결과적인 PIXON^® 압축 해제 이미지는 최종 반복 이후에 있음);Before or after the accepting step, executing the smoothing step and comparing each remaining kernel of the kernels of the plurality of different kernels to generate a plurality of different smooth test images (after each iteration). In that smooth test image is received as the PIXON ^® decompression image at each position where the goodness of fit is within the predetermined tolerances, all other positions remain with the previous candidate image, and the resulting PIXON ^® decompression image. Is after the last iteration); 상기 결과적인 PIXON^® 압축 해제 이미지를 상기 메모리에 저장하는 단계; 및Storing the resulting PIXON ^® decompressed image in the memory; And 상기 결과적인 PIXON^® 압축 해제 이미지를 디스플레이 장치에 출력하는 단계를 포함하는 것을 특징으로 하는 방법.Method comprising the step of outputting the resulting PIXON ^® decompressed image to display device. 제 9 항에 있어서,The method of claim 9, 상기 복수의 위치들은 픽셀들을 포함하는 것을 특징으로 하는 방법.And wherein the plurality of locations comprise pixels. 제 9 항에 있어서,The method of claim 9, 상기 복수의 위치들은 픽셀들의 블럭을 포함하는 것을 특징으로 하는 방법.And wherein the plurality of locations comprise a block of pixels. 이미지들을 압축하는 방법에 있어서, 상기 방법은:In a method of compressing images, the method comprises: 이미지 데이터를 포함하고 상기 이미지 데이터에 대응하는 복수의 위치들을 포함하는 이미지 파일을, PIXON^® 방법을 실행하기 위해 메모리에 저장된 소프트웨어를 가지는 상기 메모리 및 프로세서에 입력하는 단계;Inputting an image file comprising image data and comprising a plurality of locations corresponding to the image data, into the memory and the processor having software stored in the memory to execute a PIXON ^® method; 수신된 이미지 데이터의 모델을 나타내는 이미지 맵을 발생시키는 하나 이상의 이미지 데이터 포인트들을 계산하기 위해 PIXON^® 방법에 의해 식별된 데이터 이미지들 내에서 정보 밀도를 이용하는 제 1 알고리즘을 실행하는 단계;Executing a first algorithm utilizing information density in the data images identified by the PIXON ^® method to calculate one or more image data points that generate an image map representing a model of the received image data; 이미지 데이터 포인트들의 수를 감소시키기 위해 상기 이미지 데이터 포인트들의 위치 및 강도를 포함하여, 상기 하나 이상의 이미지 데이터 포인트들을 최적화시키는 제 2 알고리즘을 실행하는 단계;Executing a second algorithm to optimize the one or more image data points, including the location and intensity of the image data points to reduce the number of image data points; 감소된 이미지 데이터 포인트들의 수를 재-최적화시키는 단계;Re-optimizing the number of reduced image data points; 입력된 이미지 데이터에 대응하는 위치들과 하나 이상의 이미지 데이터 포인트들 사이에서 적합도가 상기 이미지 데이터 내의 각 위치에서 소정의 공차 내에 있는지를 판별하는 단계;Determining whether a goodness of fit between positions corresponding to the input image data and one or more image data points is within a predetermined tolerance at each position in the image data; 상기 소정의 공차 내에 있고 수신된 이미지 데이터의 해당 부분들을 다른 경우에 사용하는 위치들에서 이미지 압축을 위한 후보들로서 하나 이상의 이미지 데이터 포인트들을 수용하는 단계; 및Accepting one or more image data points as candidates for image compression at positions within the predetermined tolerance and otherwise using corresponding portions of received image data; And 입력된 이미지 내의 모든 위치들에 대해 수용된 이미지 데이터 포인트를 조합함으로써, 압축된 이미지 파일을 발생시키는 단계를 포함하는 것을 특징으로 하는 방법.Generating a compressed image file by combining the received image data points for all locations in the input image. 제 12 항에 있어서,The method of claim 12, 상기 하나 이상의 이미지 데이터 포인트들을 노트 포인트들을 포함하는 것을 특징으로 하는 방법.The one or more image data points comprising note points. 제 12 항에 있어서,The method of claim 12, 상기 제 1 알고리즘은 이미지 보간법 알고리즘을 포함하는 것을 특징으로 하는 방법.Wherein the first algorithm comprises an image interpolation algorithm. 제 12 항에 있어서,The method of claim 12, 상기 제 2 알고리즘은 단순형(또는 다른) 최소 알고리즘을 포함하는 것을 특징으로 하는 방법.And said second algorithm comprises a simple (or other) minimum algorithm. 제 12 항에 있어서,The method of claim 12, 상기 수신된 이미지 데이터의 모델은 노트 포인트들 사이의 이미지 강도의 선형 보간법을 통하여 구성되는 것을 특징으로 하는 방법.And the model of the received image data is constructed through linear interpolation of image intensities between note points.

Images